快捷導(dǎo)航

PHP中文分詞自動獲取關(guān)鍵詞介紹

更新時間：2012年11月13日 17:07:58 作者：

用了大家熟知的scws 還有phpanalysis ，需要的朋友可以參考下

 
<?php 
header("Content-Type:text/html; charset=utf-8"); 
define('APP_ROOT', str_replace('\\', '/', dirname(__FILE__))); 
$test = '這里是一段中文測試代碼!'; 
function get_tags_arr($title) 
{ 
require(APP_ROOT.'/pscws4.class.php'); 
$pscws = new PSCWS4(); 
$pscws->set_dict(APP_ROOT.'/scws/dict.utf8.xdb'); 
$pscws->set_rule(APP_ROOT.'/scws/rules.utf8.ini'); 
$pscws->set_ignore(true); 
$pscws->send_text($title); 
$words = $pscws->get_tops(5); 
$tags = array(); 
foreach ($words as $val) { 
$tags[] = $val['word']; 
} 
$pscws->close(); 
return $tags; 
} 
print_r(get_tags_arr($test)); 
//============================================================ 
function get_keywords_str($content){ 
require(APP_ROOT.'/phpanalysis.class.php'); 
PhpAnalysis::$loadInit = false; 
$pa = new PhpAnalysis('utf-8', 'utf-8', false); 
$pa->LoadDict(); 
$pa->SetSource($content); 
$pa->StartAnalysis( false ); 
$tags = $pa->GetFinallyResult(); 
return $tags; 
} 
print(get_keywords_str($test)); 

相關(guān)下載地址

SCWS – 簡易中文分詞系統(tǒng)

SCWS 在概念上并無創(chuàng)新成分，采用的是自行采集的詞頻詞典，并輔以一定程度上的專有名稱、人名、地名、數(shù)字年代等規(guī)則集，經(jīng)小范圍測試大概準(zhǔn)確率在 90% ~ 95% 之間，已能基本滿足一些中小型搜索引擎、關(guān)鍵字提取等場合運(yùn)用。 SCWS 采用純 C 代碼開發(fā)，以 Unix-Like OS 為主要平臺環(huán)境，提供共享函數(shù)庫，方便植入各種現(xiàn)有軟件系統(tǒng)。此外它支持 GBK，UTF-8，BIG5 等漢字編碼，切詞效率高。

系統(tǒng)平臺：Windows/Unix
開發(fā)語言：C
使用方式：PHP擴(kuò)展

演示網(wǎng)址：http://www.ftphp.com/scws/demo.php
開源官網(wǎng)：http://www.ftphp.com/scws/

晴楓附注：作為PHP擴(kuò)展，容易與現(xiàn)有的基于PHP架構(gòu)的Web系統(tǒng)繼續(xù)集成，是其一大優(yōu)勢。

PhpanAlysis - PHP無組件分詞系統(tǒng)

PhpanAlysis分詞系統(tǒng)是基于字符串匹配的分詞方法，這種方法又叫做機(jī)械分詞方法，它是按照一定的策略將待分析的漢字串與一個“充分大的”機(jī)器詞典中的詞條進(jìn)行配，若在詞典中找到某個字符串，則匹配成功（識別出一個詞）。按照掃描方向的不同，串匹配分詞方法可以分為正向匹配和逆向匹配；按照不同長度優(yōu)先匹配的情況，可以分為最大（最長）匹配和最小（最短）匹配；按照是否與詞性標(biāo)注過程相結(jié)合，又可以分為單純分詞方法和分詞與標(biāo)注相結(jié)合的一體化方法。

系統(tǒng)平臺：PHP環(huán)境

開發(fā)語言：PHP

使用方式：HTTP服務(wù)

演示網(wǎng)址：http://www.itgrass.com/phpanalysis/
開源官網(wǎng)：http://www.itgrass.com/phpanalysis/

晴楓附注：實(shí)現(xiàn)簡單，容易使用，能做一些簡單應(yīng)用，但大數(shù)據(jù)量的計算效率不如前幾種。

試用了幾個系統(tǒng)，基本分詞功能都沒什么問題，只是在個別一些詞的劃分上存在一些差異；對于詞性的確定，系統(tǒng)間有所不同。

http://m.fzitv.net/codes/40139.html

您可能感興趣的文章: