Question

嘿，基本上我要做的是自动为用户输入字符串分配标签。现在我有5个标签要分配。每个代码都有大约10个关键字。字符串只能分配一个标记。为了将标签分配给字符串，我需要搜索匹配所有五个标签的关键字的单词。例如：

TAGS:     Keywords
Drink:    Beer, whiskey, drinks, drink, pint, peg.....
Fitness:  gym, yoga, massage, exercise......
Apparels: men's shirt, shirt, dress......
Music:    classical, western, sing, salsa.....
Food:     meal, grilled, baked, delicious.......

用户字符串：迈出健身目标的第一步，在健身房，瑜伽，踢拳击，宝莱坞舞蹈上支付199卢比，在Koramangala的非常高级F Chisel Bounce中获得价值1000卢比。

现在我需要决定上面字符串的标签。我需要一个时间有效的算法来解决这个问题。我不知道如何为字符串匹配关键字，但我确实想到了决定标签。我正在考虑为每个标签维护一个数组计数，并且当关键字匹配时，相应标签的计数会增加。如果在任何时候计算任何标签达到5，我们可以停止并决定该标签，这只会使我们无法搜索整个标签。

请对此提出任何建议。我将使用PHP，所以你知道。感谢

Answer 1

有趣的话题！你正在寻找的东西类似于潜在的语义索引。有任务here。

Answer 2

如果标签和关键字的数量很少，我会省去写一个复杂的算法，只需这样做：

$tags = array(
    'drink' => array('beer', 'whiskey', ...),
    ...
);
$string = 'Take first step ...';
$bestTag = '';
$bestTagCount = 0;
foreach ($tags as $tag => $keywords) {
    $count = 0;
    foreach ($keywords as $keyword) {
        $count += substr_count($string, $keyword);
    }
    if ($count > $bestTagCount) {
        $bestTagCount = $count;
        $bestTag = $tag;
    }
}
var_dump($bestTag);

该算法非常明显，但仅适用于少量标签/关键字。

Answer 3

如果您不介意使用外部API，则应尝试以下方法之一：

举一个例子，Zemanta将为您的用户字符串返回以下标记（以及其他内容）：

宝莱坞，跆拳道，Koramangala，健美操，拳击，体育，印度，亚洲

Open Calais将返回

体育，酒店娱乐，健康，娱乐，人类行为，踢，瑜伽，凿子健美操，冥想，印度哲学，搏击运动，有氧运动，运动

在字符串中搜索关键字（来自矩阵）（大约500个字符）

3 个答案: