是否可以在论坛或论坛中对帖子进行自动分类？

Question

如果我有一个论坛使用标签对帖子进行分类，是否可以在创建帖子后根据内容和标题自动添加标签？

非常感谢

Answer 1

最简单的方法是拥有一个已知标签的表格。迭代帖子中的每个单词，如果单词在标签表中，则将其添加到列表中。为了使这更有效，您可以将标记存储在其显示和词干版本中（例如，算法和算法）。然后将帖子中的词干词与词干标签名称进行比较。请参阅Porter的词干算法，以获得一种简单的方法（英语单词）。

更有效的解决方案是使用类似TF-IDF的东西并将矢量与每个标签相关联。为新帖子创建一个向量，并使用余弦相似度将其与每个标记向量进行比较。无论哪个标签高于某个阈值都会被添加到帖子中。我从未将它用于自动标记，但根据我的经验，它在处理非垃圾数据时是一种非常有效的匹配工具。 （即，人们不是试图欺骗或欺骗系统。）

这两种方法都假设你已经建立了某种标记字典来启动它。您可以通过查看帖子中经常使用的不常见单词（需要频率表）来猜测标签名称。

Answer 2

尝试使用此自动标记PHP代码：

http://www.dangrossman.info/2008/04/07/auto-tagging-content-with-open-calais/

Answer 3

有很多方法可以解决这个问题。正如konforce建议的那样，简单的关键字匹配或TF-IDF是可行的选择。其他包括：

• 使用Yahoo的term extraction网络服务从文本中提取重要字词。
• 使用Google Prediction API。在已标记的帖子的语料库中训练它，然后让它预测新帖子的标签。