如果我有一个使用标签对帖子进行分类的论坛，是否可以在创建帖子后根据内容和标题自动添加标签？
非常感谢你
问问题
427 次
3 回答
3
最简单的方法是创建一个已知标签表。遍历帖子中的每个单词，如果该单词在标签表中，则将其添加到列表中。为了使这稍微更有效，您可以将标签存储在它的显示版本和词干版本中（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 的词干提取算法，了解一种简单的方法（对于英语单词）。
更有效的解决方案是使用 TF-IDF 之类的东西并将向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签向量进行比较。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，人们不会试图欺骗或欺骗系统。）
这两种方法都假设您已经构建了某种标签字典来开始工作。您可以通过查看帖子中经常使用哪些不常用词（需要一个频率表）来猜测标签名称。
于 2011-03-22T07:32:06.360 回答
1
于 2011-03-22T06:03:42.483 回答
0
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 的术语提取网络服务从文本中提取重要的术语。
- 使用Google 预测 API。在已标记帖子的语料库上训练它，然后让它预测新帖子的标签。
于 2011-03-23T01:05:21.963 回答