PHP理论教程: 如何自动获取关键字

　　当前CMS具有自己的采集功能. 内容和标题相对容易处理，但是在大多数情况下，关键字很难提取. 因此，关键字的自动获取已成为当前PHP CMS的“传统问题”. 我们如何自动获取关键字？主要步骤可以分为以下三个步骤:

　　1. 通过分词算法将标题和内容分开，以提取关键词和频率. 在内容的分词阶段，当前的两个主要算法是ICTCLAS和中国科学院的隐马尔可夫模型. 但是这两个都太高端了，有一定的门槛，而且都只支持C ++ / JAVA. 当前有两个值得推荐的基于PHP的PSCWS和HTTPCWS. SCWS于2008-03-08发布了正式版本1.0.0，而最新版本已达到1.0.4. PSCWS是其PHP版本. HTTPCWS由Zhang Yan开发，以前称为PHPCWS. PHPCWS首先使用“ ICTCLAS 3.0共享中文分词算法” API进行初始分词，然后使用自写的“反向最大匹配算法”对词进行分词和合并，并添加标点过滤功能以获得分词结果. 当前仅支持Linux / Unix系统.

　　2. 将提取结果与现有词库进行比较，以最符合关键字的规则. 这里的主要内容是查看同义词库. 我们可以自己定义同义词库，也可以使用现有的成熟词库.

　　3，然后比较两组关键字，并获得最符合当前内容的关键字. 在此阶段，将分析具体情况. 当前的PHP CMS都有自己的关键字提取系统. 其中，在Internet上最广泛使用的DEDECMS源代码是DEDECMS的分词源代码. 我也在POPCMS上进行了测试. 效果很好. 但是，提取无意义的单词（如“我们”）并将其列为关键字的频率太高了. ，有时甚至将空格的HTML用作关键字，这有待改进. 但是作为辅助功能，它已经很好. 此外，PHPCMS和DISCUZ的自动关键字提取功能也非常强大.