Поиск ключевых слов (из матрицы) в строке (около 500 символов)

Question

Эй, в основном я пытаюсь автоматически назначить теги на строку ввода пользователя.Теперь у меня есть 5 тегов для назначения.Каждый тег будет иметь около 10 ключевых слов.Строка может быть назначена только один тег.Чтобы присвоить тегу строку, мне нужно найти слова, соответствующие ключевым словам для всех пяти тегов.Пример:

TAGS:     Keywords
Drink:    Beer, whiskey, drinks, drink, pint, peg.....
Fitness:  gym, yoga, massage, exercise......
Apparels: men's shirt, shirt, dress......
Music:    classical, western, sing, salsa.....
Food:     meal, grilled, baked, delicious.......

Пользовательская строка: сделайте первый шаг, чтобы достичь своих целей в фитнесе, заплатите 199 рупий за аэробику, йогу, кик-боксерский танец, танец Болливуда и многое другое на сумму 1000 рупий в The Premium Premium Chisel Bounce, Koramangala.

---

Теперь мне нужно выбрать тег для вышеуказанной строки.Мне нужен эффективный алгоритм времени для этой проблемы.Я не знаю, как найти подходящие ключевые слова для строк, но у меня есть мысль о выборе тега.Я думал о том, чтобы поддерживать количество массивов для каждого тега, и, поскольку ключевое слово совпадает, количество соответствующих тегов увеличивается.если в любое время счет для любого тега достигнет 5, мы можем остановиться и принять решение по этому тегу, только это избавит нас от поиска целиком.

Пожалуйста, дайте любые советы по этому поводу.Я буду использовать php, чтобы вы знали.спасибо

Answer 1

Интересная тема!То, что вы ищете, является чем-то похожим на скрытое семантическое индексирование.Здесь есть квест .

Answer 2

Если вы не возражаете против использования внешнего API, попробуйте один из них:

• http://www.zemanta.com/
• http://www.opencalais.com/
• Бенджамин Новак: Извлечение связанных объектов данных с Zemanta и OpenCalais

Чтобы привести пример, Zemanta вернет следующие теги (среди прочего) для вашей пользовательской строки:

Болливуд, Кикбоксинг, Корамангала, Аэробика, Бокс, Спорт, Индия, Азия

Открытый Кале вернется

Спорт, Гостиничный отдых, Здоровье, Отдых, Поведение человека, Пинок, Йога, Зубило Аэробика, Медитация, Индийская философия, Единоборства, Аэробика, Упражнение

Answer 3

Если количество тегов и ключевых слов мало, я бы сэкономил на написании сложного алгоритма и просто сделал бы:

$tags = array(
    'drink' => array('beer', 'whiskey', ...),
    ...
);
$string = 'Take first step ...';
$bestTag = '';
$bestTagCount = 0;
foreach ($tags as $tag => $keywords) {
    $count = 0;
    foreach ($keywords as $keyword) {
        $count += substr_count($string, $keyword);
    }
    if ($count > $bestTagCount) {
        $bestTagCount = $count;
        $bestTag = $tag;
    }
}
var_dump($bestTag);

Алгоритм довольно очевиден, но подходит только для небольшого количества тегов / ключевых слов..