我正在为 html 页面实现一个网络抓取器。问题是上下文关系,因为我需要确定我获得的内容与数据库中其他内容之间的关系,这样我就可以说是的,它们是否相关作为上下文观点:
例( 1 )
$str1 = "president obama visited Barcelona yesterday"; //politics context
$str2 = "Barcelona was defeated from Chelsea yesterday"; //sports context
例( 2 )
$str3 = "Obama's appearance on Late Night With Jimmy Fallon "; //media context
$str4 = "Late Night show with jimmy fallon"; //mdeia context
在第一个示例中
$str 1 和 $str 2 在上下文中是不同的,因此关系可能为 10% 或更少
在第二个示例中
$str 3和$str 4是在同一背景下(媒体),虽然$str 3是关于奥巴马总统的,$str 4是关于吉米·法伦的,但两者都与深夜秀有关,所以关系可能是90%
我正在使用Porter-Stemmer算法从单词中删除常见的结尾。下一步该怎么做?
关键字是字符串指标,模糊匹配...
看看这个: 如何打火柴
$exstr1=explode(" ", $str1);
$exstr2=explode(" ", $str2);
foreach( $exstr1 as $exitem)
{
if (in_array($exitem, $exstr2 ) $match++;
else $mis++;
}
$percent=$match/($match+$mis)*100;