Question

PHP类CMS如何自动获取关键字

Answer 1

个人认为，我们还是需要通过在实践中来巩固我们所掌握的知识理论，才能更好的实现我们的学习目标。而且还要不断的更新知识，因为每种语言的更新速度都是很快的，如果不持续的学习，我们所掌握的知识就会很快的被淘汰掉。比如，现在的CMS都自带了采集功能，内容和标题相对来说很好处理，但大部分情况关键词很难能提取到。于是自动获取关键字成为当前PHP类CMS的传统问题。 1，PHP类CMS通过分词算法将标题和内容分别进行分割，提取出关键词和频度 在内容的分词阶段，当前主要的两个算法是中科院的ICTCLAS和隐马尔可夫模型。但这两个都太高端，有一定的门槛，且都是只支持C++/JAVA。基于PHP的当前有两个是值得推荐的PSCWS和HTTPCWS。 而HTTPCWS是张宴开发的，之前叫PHPCWS。PHPCWS 先使用ICTCLAS 3.0 共享版中文分词算法的API进行初次分词处理，再使用自行编写的逆向最大匹配算法对分词和进行词语合并处理，并增加标点符号过滤功能，得出分词结果。目前仅支持Linux/Unix系统。 2，PHP类CMS将提取结果与现有词库进行比较，得到最符合规则的关键词 这里主要就是要看词库了，我们可以自己定义词库，也可以使用现有的成熟词库。 3，然后PHP类CMS将这两套关键词进行比较，得到最符合当前内容的关键词 在这个阶段就是具体情况具体分析了。当前PHP类CMS都自有自己的提取关键词系统。其中在网络上流传最广的是DEDECMS的分词源码，我也在我的POPCMS上作过测试，效果很不错，过类似我们等无意义的词提取并被列为关键词的频率太高源码天空 ，甚至有时候还会把空格的HTML提出来做为关键词，亟待改进。不过如果作为辅助功能，它已经很好了。