设为首页
收藏本站
开启辅助访问
切换到窄版
登录
立即注册
中问网首页
我的收藏
站长博客
搜索
搜索
本版
帖子
用户
第一问答网
»
论坛
›
中问网
›
问答
›
一个具体案例的算法讨论:怎样为ITPUB的文章提取关键字 ...
返回列表
发新帖
一个具体案例的算法讨论:怎样为ITPUB的文章提取关键字
[复制链接]
11
|
7
|
2016-9-6 23:08:25
|
显示全部楼层
|
阅读模式
现在ITPUB上的文章在发表的时候是没有输入关键字的,怎样才可以用自动的,智能的算法把关键字提炼出来?以达到以下效果
1 在一篇文章里显示相关文章,相关文章和该文章具备很大的关键字匹配
2 把文章自动归类,比如web程序开发版下有关于asp,php等的讨论,自动机可以自己判别文章是属于哪个类别的
回复
使用道具
举报
千问
|
2016-9-6 23:08:25
|
显示全部楼层
这是一个工作量比较大同时难度也较高的事情。
自动文章摘要/关键字是目前自然语言处理的一个研究方向。
我们知道,当前自然语言处理的流行算法一般都是概率统计,而像编译器那样使用词法语法分析的准确率都不太高(这是由于人类语言的灵活性决定的)。目前在这个领域的论文80%都是关于概率统计的,20%是关于语法分析的。
首先我们需要一个足够大的语料库,如使用ITPUB某一年或者两年的主题贴,对这些主题贴使用某些现成的产品进行分词,再人工校验使分词正确。这样我们就建立起ITPUB的语料库。
然后,使用这个语料库对我们的程序进行训练,可使用n-gram算法等,统计分析词汇的使用概率。
再使用上面的分析结果去对现有的ITPUB主题贴进行分词,得到分词结果后,对一篇帖子的每个不重复的词进行权重分析(这里就需要一个权重的算法,简单的可以根据该词在这个帖子中重复出现的次数),最后把权重排名靠前的几个词作为关键字。至于帖子的自动归类,也可以使用词的权重分析后进行归类。
以上是我的一点初浅想法。如果要做的话是一个很大的工程。
回复
使用道具
举报
千问
|
2016-9-6 23:08:25
|
显示全部楼层
最初由 ethanyi 发布
[B]这是一个工作量比较大同时难度也较高的事情。
自动文章摘要/关键字是目前自然语言处理的一个研究方向。
我们知道,当前自然语言处理的流行算法一般都是概率统计,而像编译器那样使用词法语法分析的准确率都不太高(这是由于人类语言的灵活性决定的)。目前在这个领域的论文80%都是关于概率统计的,20%是关于语法分析的。
首先我们需要一个足够大的语料库,如使用ITPUB某一年或者两年的主题贴,对这些主题贴使用某些现成的产品进行分词,再人工校验使分词正确。这样我们就建立起ITPUB的语料库。
然后,使用这个语料库对我们的程序进行训练,可使用n-gram算法等,统计分析词汇的使用概率。
再使用上面的分析结果去对现有的ITPUB主题贴进行分词,得到分词结果后,对一篇帖子的每个不重复的词进行权重分析(这里就需要一个权重的算法,简单的可以根据该词在这个帖子中重复出现的次数),最后把权重排名靠前的几个词作为关键字。至于帖子的自动归类,也可以使用词的权重分析后进行归类。
以上是我的一点初浅想法。如果要做的话是一个很大的工程。 [/B]
正解~确实高难度~
回复
使用道具
举报
千问
|
2016-9-6 23:08:25
|
显示全部楼层
简单的方法是可以建立关键字库,发文章的时候自动匹配,不过这样的话很容易出现垃圾文章吧。还有个方案可以替代,就是给精华贴或者热门贴进行匹配,普通文章不匹配,这样比较节约服务器资源。
当然,即使是Wiki这样的程序现在都不提供自动匹配关键字。不过新闻门户的新闻关联都是这样匹配的。
回复
使用道具
举报
千问
|
2016-9-6 23:08:25
|
显示全部楼层
最初由 labertie 发布
[B]简单的方法是可以建立关键字库,发文章的时候自动匹配,不过这样的话很容易出现垃圾文章吧。还有个方案可以替代,就是给精华贴或者热门贴进行匹配,普通文章不匹配,这样比较节约服务器资源。
当然,即使是Wiki这样的程序现在都不提供自动匹配关键字。不过新闻门户的新闻关联都是这样匹配的。 [/B]
嗯!! 这个方法倒是多块好省!可以先做一个这样的试一试,呵呵,又想起KISS原则:Keep It Simple and Stupid!
回复
使用道具
举报
千问
|
2016-9-6 23:08:25
|
显示全部楼层
最初由 labertie 发布
[B]简单的方法是可以建立关键字库,发文章的时候自动匹配,不过这样的话很容易出现垃圾文章吧。还有个方案可以替代,就是给精华贴或者热门贴进行匹配,普通文章不匹配,这样比较节约服务器资源。
当然,即使是Wiki这样的程序现在都不提供自动匹配关键字。不过新闻门户的新闻关联都是这样匹配的。 [/B]
关键字库可能要有某种学习功能才行
回复
使用道具
举报
千问
|
2016-9-6 23:08:25
|
显示全部楼层
两个版主好年轻……
回复
使用道具
举报
千问
|
2016-9-6 23:08:25
|
显示全部楼层
如果能做出根据内容自动归类,google都要服了,提取关键字还是可以的
回复
使用道具
举报
返回列表
发新帖
高级模式
B
Color
Image
Link
Quote
Code
Smilies
您需要登录后才可以回帖
登录
|
立即注册
本版积分规则
发表回复
回帖后跳转到最后一页
千问
主题
0
回帖
4882万
积分
论坛元老
论坛元老, 积分 48824836, 距离下一级还需 -38824837 积分
论坛元老, 积分 48824836, 距离下一级还需 -38824837 积分
积分
48824836
加好友
发消息
回复楼主
返回列表
问答
热门排行
1
不明白的大学生活的txt全集下载地址
2
平板电脑怎么上网?
3
我龙之谷的账号和密码记不得了,但和我的手机绑定的,可以用手机找回来吗?
4
asa防火墙 ping不通网关
5
我最近的肚子有点闷闷的感觉,一旦说话有点激动提高一点音量的话就胃反想吐,有时打哈欠也想吐,为什么?
6
安卓游戏领主和大师的送礼有什么用?
7
实况足球中CB,SB,LB,RB,AMF,SMF,CMF,RMF,LMF,CF,WF,SS分别是什么位置
8
我是一名装修老板,帮一房主装修,施工时我的工人工伤了。请问房主有责任吗?
9
iphone手机qq2012好友名片背景可以下载吗?在哪里下载,重谢
10
氩弧焊焊点是多少
11
索尼st21i IMEI:353809052058911,哪路大侠帮忙查询一下啊?急!
12
VVIFI在大陆能使用吗?
13
初音未来的这首歌叫什么http://v.youku.com/v_show/id_XNDg5MjUyNzU2.html
14
4推助器的二级水火箭怎样做,怎样打气?
15
喝酒会导致老年痴呆吗?
16
先阅读下面的解答过程,再解答后面的问题,已知9-6Y-4Y的平方等于7
17
鼻子鼻孔两边毛孔有白色颗粒,用手能挤出白色的东西还有臭味
18
????
19
见义勇为有必要吗
20
高三指数数学题求解答!
21
问:开一网吧多少钱
22
张康 贾旭明 新闻联播 谁有给我发下啊
[email protected]
23
却 而的区别
24
哪位有老年人回春保健操66节的MP3格式音乐,请帮我发一个。非常感谢! 我妈最近喜欢,让我帮她找一找。
25
谁能告诉我1EB的硬盘要多少钱
26
施华洛世奇秦皇岛就没有??
27
华硕n550的7200转高速硬盘的牌子是什么?
28
一首副歌里有cause i believe cause i believe的女声英文歌
29
科学资料——风是怎么回事
30
歌舞青春中有一首歌,是一个女生唱的。中间有一段重复的,好像是we are the young之类的什么
31
家里花钱在青岛港买了一个正式员工的资格做开铲车工人 不知道待遇怎么样
32
如图,求救!!!七年级数学题!!!!
33
南阳市实体店联想Y480报价是多少?有没有专卖店的来报下价,谢谢!
34
关于winXP仿vista系统的两个问题?
35
初中的文凭可以当明星么。出生在农村的可以么?怎样成为明星
36
我是四川的非艺术生可以考中国传媒大学或者北京电影学院吗?
37
联想B475G-ETH裸机装系统,识别不了硬盘?????
38
江门有边D夜场好玩吖?介绍下,唔该~~
39
如何设置来邮件提醒??
40
看过好多人的分分合合
41
亚洲在世界的面积排名,经纬度跨度排名
42
金立gn700w系统无线连有密码怎么上不去???
43
木瓜奇迹的小翅膀怎么合成啊
44
求一个搞笑结婚祝福语
45
贵阳金伯利钻石搬迁到哪里了啊?
46
微盘PC客户端上传1G以上文件?
47
安卓最新版的CS怎么安装更多的地图,始终没搞明白,怎么和其他的手机联机,,,,,,
48
一二小题
49
谁知道贺州会计从业资格证难不难?
50
【敖叔大战青楼】62集是什么游戏
51
我最喜欢的季节冬天作文
52
电脑把限制的百分之20宽带释放了对电脑好吗
53
《华丽的挑战》中,恭子正式出道并大红是在哪几集?
54
实况足球的K挂是什么意思 如何使用
55
喝啤酒会肩部骨头疼痛吗
56
自己家的宽带怎么收索不到WIFI?
57
手机充电的时候要注意哪些方面啊?最好不要干什么啊?
58
吃辣了,胃难受,该怎么缓解
59
请一篇关于 crocodile 的英语作文 40字 六年级水平
60
上身粗腿细,怎样才能让我的腿和身子看起来得体些,
61
麻烦您,请帮我看下我这个手镯是材质做的,镯子上的红色是染色还是天然的。值多少钱?
62
游戏王 GX D Hero 都有哪集出现过
63
求《Angel Beats!》中的立华奏弹钢琴的图片,要动态的图片
64
沈阳的列车太少了
65
MOTO V8 2GB版的内存分区问题
66
一种水果,沃尔玛5千克卖18.6元,永辉4千克卖16.4元,哪家便宜?(数学)
67
电脑每次游戏时节能模式,是不是天气太热了啊
68
肾虚要怎么补
69
最近用ios6内置微博发照片时出现这种状况!怎么回事!我的是iphone4S。求解决,谢谢!
70
虚拟机与主机按键同时有效
71
为什么人都喜欢单纯的却自己慢慢变得现实
72
WOW猎人包包撕咬9级哪抓?
73
这个配置能换哪款比现在要好的显卡?
74
《实况足球2013》WECN
75
烫伤后的胧泡如何处理
76
我想问问,房地产开发商在五证不全的情况下搞开发,属不属于违法?
77
《冰女宠夫》最新txt全集下载
78
这是什么足球标志?
79
成都理工大学刘宝珺院士招收研究生吗
80
我家玩qq夜店之王为啥打开会自动关闭
81
“殆死悲爱”是什么意思?
82
求G13 刷机包下载
[email protected]
83
刚毕业想学会计,知道那里有好一点的会计。
84
老是感觉自己和别人相处时没有什么话题,或不同意别人的看法,为了不发生强烈的争论,就话少了
85
假如妻子整容
86
感情烦恼,很纠结………我弄死你。
87
网游之极限杀戮的txt全集下载地址
88
Baby老公耍无赖txt全集下载
89
电暖气能把橡胶损坏吗
90
怎样办农家乐
91
阅读水浒传之梁山泊英雄排座次有感
92
皮衣脏了怎么清洗
93
如何练好网球
94
有首歌歌名是什么?歌词:什么 问你回来你不在
95
实况足球2013一直在读取
96
奇瑞A1仪表板上的蓄电池灯亮起了,请问是什么原因呢??在怠速下,还会闪。求解
97
这个配置能换哪款比现在要好的显卡?
98
松下KX-P1131打印机为什么总是出该文档未能打印?