我正在为我正在上的大学课程做一个项目。
我正在使用 PHP 构建一个简单的 Web 应用程序，该应用程序根据一组字典将推文分类为“积极”（或快乐）和“消极”（或悲伤）。我现在想到的算法是朴素贝叶斯分类器或决策树。
但是，我找不到任何 PHP 库可以帮助我进行一些严肃的语言处理。Python 有 NLTK ( http://www.nltk.org )。PHP有类似的东西吗？
我打算使用 WEKA 作为 Web 应用程序的后端（通过在 PHP 中的命令行中调用 Weka），但它似乎效率不高。
你知道我应该为这个项目使用什么吗？还是我应该切换到 Python？
谢谢
如果您要使用朴素贝叶斯分类器，您实际上并不需要大量的 NL 处理。您所需要的只是一种算法来阻止推文中的单词，如果您愿意，可以删除停用词。
词干算法比比皆是，而且不难编码。删除停用词只是搜索哈希图或类似的东西。我不认为有理由切换您的开发平台以适应 NLTK，尽管它是一个非常好的工具。
前段时间我做了一个非常相似的项目——只对 RSS 新闻项目进行分类，而不是 twitter——也使用 PHP 作为前端，WEKA 作为后端。我使用了PHP/Java Bridge，它使用起来相对简单——在你的 Java (WEKA) 代码中添加了几行代码，它允许你的 PHP 调用它的方法。这是他们网站上的 PHP 端代码示例：
<?php
require_once("http://localhost:8087/JavaBridge/java/Java.inc");
$world = new java("HelloWorld");
echo $world->hello(array("from PHP"));
?>
然后（正如有人已经提到的），您只需要过滤掉停用词。为此保留一个 txt 文件对于添加新单词非常方便（当您开始过滤掉不相关的单词并考虑拼写错误时，它们往往会堆积起来）。
朴素贝叶斯模型具有很强的独立特征假设，即它不考虑通常成对的单词（例如成语或短语）——只是将每个单词视为独立出现。但是，它可以胜过一些更复杂的方法（例如词干提取，IIRC），并且对于大学课程来说应该是完美的，而不会使它变得不必要的复杂。
您还可以使用uClassify API 来执行类似于 Naive Bayes 的操作。您基本上可以像使用任何算法一样训练分类器（除了这里您是通过 Web 界面或通过将 xml 文档发送到 API 来进行的）。然后，每当您收到一条新推文（或一批推文）时，您都会调用 API 对其进行分类。它速度很快，您不必担心调整它。当然，这意味着您失去了通过自己控制分类器获得的灵活性，但这也意味着您的工作量会减少，如果这本身不是课程项目的目标的话。
尝试打开加莱 - http://viewer.opencalais.com/。它有 api、PHP 类等等。此外，此任务的 LingPipe - http://alias-i.com/lingpipe/index.html
您可以非常直接地检查此库https://github.com/Dachande663/PHP-Classifier
你也可以使用 thrift 或 gearman 来处理 nltk