我想要一個特定的實現，使得用戶提供類似的文本塊：提取相關標籤/從文本塊關鍵詞
「的要求 - 使用Linux操作系統，Apache 2的工作知識，在LAMP環境， 的MySQL 5和PHP 5， - Web 2.0的知識標準 - 舒適的使用JSON - 跨瀏覽器的JavaScript編程和jQuery等 - - 知識版本控制軟件如與框架，Zend公司，哎呀 工作經驗手子版本將是 更可取。「
我想要做的是自動選擇相關的關鍵字，並創建標籤/關鍵詞，因此，對於上述一段文字，有關標籤應該是：MySQL和PHP，JSON，jQuery的，版本控制，空中接力，WEB2 2.0，JavaScript的
我怎麼能去約在PHP/javascript等等這樣做呢？ headstart會很有幫助。
這並不容易，因爲它需要某種類型的模糊邏輯。您應該使用雅虎期限提取YQL
檢查出來：link
根據您是否要顯示客戶的關鍵字/標記，還是你想從文本中提取的，然後做塊的關鍵字/標籤與他們進一步計算。
如果您只需要顯示它們，那麼客戶端處理就沒有問題。如果您需要它們進行進一步計算，請使用服務器端處理。
我可以推薦一個JavaScript客戶端實現，如果你可以提供一些更多的細節。如果你想一般「知道」，那麼關鍵字某種巧妙的解決方案是neccesary
如果你有一個關鍵字列表，那麼你可以使用regular expressions提取數據
感謝您的回覆。你能推薦一個客戶端實施嗎？我想要的是，當用戶填充一段文本時，應該從中提取相關標籤。 – sgomez 2011-01-29 17:43:04
一個非常幼稚的方法是去除常見stopwords從文本，讓你與像「標準」，「JSON」等更有意義的話，你仍然會得到大量的噪音，但是，這樣你就可以考慮像OpenCalais一個服務，可以做你的文字相當複雜的分析。
更新：
好吧，在我以前的答案的鏈接指向實現，但你問一個這麼簡單的一個是在這裏：
function stopWords($text, $stopwords) {
// Remove line breaks and spaces from stopwords
$stopwords = array_map(function($x){return trim(strtolower($x));}, $stopwords);
// Replace all non-word chars with comma
$pattern = '/[0-9\W]/';
$text = preg_replace($pattern, ',', $text);
// Create an array from $text
$text_array = explode(",",$text);
// remove whitespace and lowercase words in $text
$text_array = array_map(function($x){return trim(strtolower($x));}, $text_array);
foreach ($text_array as $term) {
if (!in_array($term, $stopwords)) {
$keywords[] = $term;
}
};
return array_filter($keywords);
}
$stopwords = file('stop_words.txt');
$text = "Requirements - Working knowledge, on LAMP Environment using Linux, Apache 2, MySQL 5 and PHP 5, - Knowledge of Web 2.0 Standards - Comfortable with JSON - Hands on Experience on working with Frameworks, Zend, OOPs - Cross Browser Javascripting, JQuery etc. - Knowledge of Version Control Software such as sub-version will be preferable.";
print_r(stopWords($text, $stopwords));
你可以看到這一點，和在此Gist的stop_word.txt內容。
運行上面的你的示例文本生成以下數組：
Array
(
[0] => requirements
[4] => linux
[6] => apache
[10] => mysql
[13] => php
[25] => json
[28] => frameworks
[30] => zend
[34] => browser
[35] => javascripting
[37] => jquery
[38] => etc
[42] => software
[43] => preferable
)
所以，就像我說的，這是有點幼稚，可以使用更多的優化（加上它的速度慢），但它並拔出更多的您的文字中的相關關鍵字。您需要對停用詞進行微調。捕獲像Web 2.0這樣的術語將會非常困難，所以我認爲，如果使用像OpenCalais這樣可以理解文本並返回實體和引用列表的嚴肅服務，它會更好。 DocumentCloud依靠這項服務從文檔中收集信息。
此外，對於客戶端實現，你可以做幾乎同樣的事情用JavaScript，而且可能更清潔的（雖然它可能是客戶端慢。）
我今天早上做這些的快速審查和讓我吃驚的一個與我的測試短語表現最好寫在PHP
什麼樣子最專業的一個深不可測進行：viewer.opencalais.com
其他人都是OK了（不知道他們在寫什麼語言）
感謝您的鏈接，我期待這樣的事情。我嘗試了YQL，但不知何故它並沒有認識到很多條款。找到這個名爲Zemanta的網站，這有點不錯，我打算使用這兩個網站併合並我的結果。 – sgomez 2011-01-29 17:42:26
這是我在互聯網上發現的最棒的東西，用了5年左右......謝謝 – AMB 2014-07-24 05:37:49