我已经阅读了许多关于算法和计算文本趋势的通用方法的帖子,但我需要一个使用PHP的实际、简单的例子。
有一篇比其他文章更有帮助的帖子建议对每个文本进行归一化处理,然后根据单词(过滤链接、用户名等)将其分成数组,从每个消息中构建一个大数组,并使用array_count_values查找最常见的单词。这似乎是可行的,但我不知道它是否是最佳方式。例如,它似乎更倾向于单个单词结果而不是短语(“Barack”和“Obama”而不是“Barack Obama”)。
除此之外,是否有更好的方法来处理?是否存在一个可以使用的实际示例或现有解决方案(脚本或类)?谢谢!
有一篇比其他文章更有帮助的帖子建议对每个文本进行归一化处理,然后根据单词(过滤链接、用户名等)将其分成数组,从每个消息中构建一个大数组,并使用array_count_values查找最常见的单词。这似乎是可行的,但我不知道它是否是最佳方式。例如,它似乎更倾向于单个单词结果而不是短语(“Barack”和“Obama”而不是“Barack Obama”)。
除此之外,是否有更好的方法来处理?是否存在一个可以使用的实际示例或现有解决方案(脚本或类)?谢谢!