Comments (8)
okay,谢谢解答。
我需要 调整权重的词比较多,所以继承MyJiebaAnalyse类,添加了一个方法,自己载入idf文件,与默认的合并,这样就解决了权重的问题。
from jieba-php.
@f1120309265 你可以提供一下這個例子的 $content 嗎?
from jieba-php.
@f1120309265 我仔細看一下 jieba 目前的實作邏輯,自定義詞庫的權重影響的是斷詞切分的組合,跟取出關鍵字的 tf/idf 並無關係,如果你有調整關鍵字權重的需求,我可能要另外實作方法,而且也不是用自定義詞庫來調,可能就提供發法在 run time 中去調整 tf/idf 值。
from jieba-php.
剛剛仔細看源碼,應該不用實作新方法就可以達到您的需求,提供一個範例在下面。
from jieba-php.
@f1120309265 提供一個範例給你:
$content = "汽车行业巨头大众汽车最新公布2018年销售数据,全年共销售汽车624万辆,创历史新高。尽管如此,总体销量较2017年只是小幅增长0.2%,尤其是下半年受贸易问题和欧洲排放标准的影响,销量增速快速恶化。";
$tags = JiebaAnalyse::extractTags($content, 10);
var_dump($tags);
Jieba::loadUserDict(dirname(dirname(__FILE__)).'/dict/user_dict.txt');
$tags = JiebaAnalyse::extractTags($content, 10);
var_dump($tags);
JiebaAnalyse::$idf_freq['销售数据'] = 20;
$tags = JiebaAnalyse::extractTags($content, 10);
var_dump($tags);
Output 的結果:
array(10) {
["销量"]=>
float(0.38517762539314)
[624]=>
float(0.34156478579714)
["0.2"]=>
float(0.34156478579714)
[2017]=>
float(0.34156478579714)
[2018]=>
float(0.34156478579714)
["销售"]=>
float(0.30390049575086)
["大众汽车"]=>
float(0.284269540954)
["汽车行业"]=>
float(0.24650508838314)
["尽管如此"]=>
float(0.23087413490343)
["巨头"]=>
float(0.21458391385457)
}
array(10) {
["销量"]=>
float(0.39650637908118)
[624]=>
float(0.35161080890882)
["0.2"]=>
float(0.35161080890882)
[2017]=>
float(0.35161080890882)
[2018]=>
float(0.35161080890882)
["销售数据"]=>
float(0.35161080890882)
["大众汽车"]=>
float(0.29263040980559)
["汽车行业"]=>
float(0.25375523804147)
["尽管如此"]=>
float(0.23766455063588)
["巨头"]=>
float(0.22089520543853)
}
array(10) {
["销售数据"]=>
float(0.58823529411765)
["销量"]=>
float(0.39650637908118)
[624]=>
float(0.35161080890882)
["0.2"]=>
float(0.35161080890882)
[2017]=>
float(0.35161080890882)
[2018]=>
float(0.35161080890882)
["大众汽车"]=>
float(0.29263040980559)
["汽车行业"]=>
float(0.25375523804147)
["尽管如此"]=>
float(0.23766455063588)
["巨头"]=>
float(0.22089520543853)
}
from jieba-php.
@f1120309265 從上面的範例,我們可以看到加了自定義字典之後,Jieba 可以斷出想要的結果,但是關鍵字的分數則不受影響(自定義字典中的權重意義上只是為了改善斷詞結果,而不是更改關鍵字演算結果),因為在正常情況下,我們不應該任意調整關鍵字演算法的權重計算結果。
但當有特別想要調整的關鍵字權重,我們還是可以使用 JiebaAnalyse::$idf_freq['關鍵字'] = 權重;
例如 JiebaAnalyse::$idf_freq['销售数据'] = 20;
來調整關鍵字權重結果,來對特定字詞調整 idf 值會比較符合你的使用情境,在意義上也會比較對。
from jieba-php.
okay,谢谢解答。
我需要 调整权重的词比较多,所以继承MyJiebaAnalyse类,添加了一个方法,自己载入idf文件,与默认的合并,这样就解决了权重的问题。
请问您写的这个方法可以分享一下么?我也有同样的需求!~
from jieba-php.
okay,谢谢解答。
我需要 调整权重的词比较多,所以继承MyJiebaAnalyse类,添加了一个方法,自己载入idf文件,与默认的合并,这样就解决了权重的问题。请问您写的这个方法可以分享一下么?我也有同样的需求!~
代码如下,有问题再随时探讨沟通
`use Fukuball\Jieba\JiebaAnalyse;
class MyJiebaAnalyse extends JiebaAnalyse
{
public static function init($options = array())
{
parent::init($options = array());
}
public static function setIdf($idf_path)
{
$content = fopen($idf_path, "r");
while (($line = fgets($content)) !== false) {
$explode_line = explode(" ", trim($line));
$word = $explode_line[0];
$freq = $explode_line[1];
$freq = (float) $freq;
$idffreq[$word] = $freq;
self::$idf_freq[$word] = $freq;
}
fclose($content);
asort(self::$idf_freq);
$keys = array_keys(self::$idf_freq);
$middle_key = $keys[count(self::$idf_freq)/2];
self::$max_idf = max(self::$idf_freq);
self::$median_idf = self::$idf_freq[$middle_key];
}
}`
from jieba-php.
Related Issues (20)
- 作者你好,提个优化内存消耗和加载字典时间的建议 HOT 7
- 如何在分词完成后,载入停用词表去除停用词 HOT 1
- tp5使用测试占用331M内存 HOT 1
- 如何根据自定义词典,从文本中提取词典中的关键词? HOT 2
- 超出内存限制 HOT 4
- 【优化建议】冗余代码 HOT 2
- 【bug】JiebaAnalyse::init()的options['dict']参数不会生效 HOT 1
- 请求联系方式——any contact way HOT 1
- textrank实现
- 个人整理了关于HMM、Viterbi和中文分词的学习笔记,请交流指导
- 请问一下,自定义添加词条时怎么设置词性,词性可以自定义吗? HOT 2
- 中文操作tip
- 请问有没有日语分词用的词典? HOT 1
- 如何设置初始化参数选择Jieba分词模式? HOT 1
- 初始化之后,内存一直占用着不会释放
- 实现初始化时的性能调优 HOT 1
- 结果中出现了形如 \n2 这样的换行加数字的结果,如何不匹配换行开始的结果呢? HOT 3
- 能否支持下 PHP 8.1 HOT 3
- 因为词典缓存导致内存无限制增加 HOT 1
- 未定义报错Posseg.php:268
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.
from jieba-php.