Question

好的 - 所以，我花了很长时间在谷歌搜索，甚至在hotscripts等几个特定的搜索，几个PHP论坛和这个地方...没有（无论如何都没用）。

我希望能够获取一个文本块（页面/文件/ doc）并将其拉开以找到特定术语之间的“距离”（找到接近度/距离等）。

我认为至少会有一些这样的问题 - 但我找不到它们。所以 - 它可能比我想象的更难。我知道这可能是一种有点“饥饿”的事情 - 因为它可能在大型文件上相当密集 - 但肯定有可能吗？

事实 - 在环顾四周时 - 我发现的大多数参考文献（除了lamo-repeat SEO网站）似乎都建议先进的语言学研究，安装到服务器上的奇怪/高级软件包等。

我是否认为“接近”实际上是一个非常复杂的问题，并需要大量的资源和大量的发展？（老实说 - 在我看来它似乎有点温和 - 所以我想知道它到底是什么我错过了（注意：相对意义上的简单......我会把它比较容易（密度/数量）到难度（ word stemming / base / thesaurusing））。

所以 - 参考/建议/想法/想法???

Answer 1

我还想到了汉明的距离，菲利克斯·克林评论道。也许您可以制作一些变体，将单词编码为特定的代码字，然后通过包含代码字的数组检查它们的距离。

因此，如果你有数组[11,02,85,37,11]，你可以很容易地发现11在这个数组中最大距离为4。

不知道这对你有用，但我想我会以类似的方式做到这一点。

Answer 2

如果您正在谈论特定的单词比较，您将需要查看MySQL的SOUNDEX功能。（我假设你可能正在使用mysql）。比较两个单词时，您可以参考它们的声音：

SELECT `word` FROM `list_of_words` WHERE SOUNDEX(`word`) = SOUNDEX('{TEST_WORD}');

然后当你得到你的单词列表时（很可能你会得到很多单词），你可以检查这些单词之间的距离是否为CLOSEST（或单词组取决于你如何编写代码））。

$word = '{WORD TO CHECK}';
$distance = 4; // the smalled the distance the closed the word
foreach($word_results as $comparison_word) {
   $distance = levenshtein($comparison_word, $word);
   if($distance < $threshold) {
      $threshold = $distance;
      $similar_word = $comparison_word;
   }
}
echo $similar_word;

希望能帮助您找到所需的方向。

快乐的编码！

Answer 3

你的例子搜索了Word1 ... Word2，Word2也应该匹配Word1吗？一个简单的解决方案是使用RegEx：

即：

使用正则表达式：\ bWord1 \ b（。*）\ bWord2 \ b
在第一个匹配组中，使用空格（或任何边界）将其拆分为数组，并计算

这是最直接的方法，但绝对不是最好的（即表现明智的）方法。如果您想要更具体的答案，我认为您需要澄清您的需求。

更新

在合并2个问题之后，我看到其他答案提到soundex，levinstein和汉明距离等。我建议使用无线1来澄清要求，以便人们可以提供有用的帮助。如果这是一个与搜索或文档聚类相关的应用程序，我还建议您查看成熟的全文索引/搜索解决方案，如sphinx或lucene。我认为其中任何一个都可以与PHP一起使用。

php：单词邻近脚本？

3 个答案: