Score
0
Watch 21 Star 42 Fork 18

mz / classifier4phpPHPGPL-2.0

Join us
Explore and code with more than 2 million developers,Free private repositories !:)
Sign up
基于 PHP 和 word2vec 的分类器,用于文章、新闻等内容自动分类,项目包含样本训练、识别代码,分词组件用的是 PhpAnalysis,简单灵活。欢迎大家一起优化并完善。 spread retract

Clone or download
README.md 1.23 KB
Copy Edit Web IDE Raw Blame History
mz authored 2015-11-29 16:14 . init project

classifier4php

基于 PHP 和 word2vec 的简单分类器,用于文章、新闻等内容自动分类,项目包含样本训练、识别代码,

分词组件用的是 PhpAnalysis,简单灵活。欢迎大家一起优化并完善。

背景

每个搜索引擎其实都有一套完善的分类器,拿最简单的分类器举例, 不管你是巨头门户还是垂直三、四级以下的网站,他都能识别你的站点类型。 面向海量内容的今天,随随便便就能从互联网采集、抓取海量的数据, 而数据又杂乱无章,如果用人工整理归类,太浪费资源了。

作者做过各类站群、垂直站点,深知分类器的重要性。

运行环境

  1. 操作系统:windows \ *inux
  2. PHP 版本:PHP 5+
  3. PHP 依赖:PHP-mbstring.
  4. word2vec:window xp

如果您的操作系统是Linux、Centos等,

您需要自行下载 word2vec ( https://code.google.com/p/word2vec/ )编译。

然后修改 run.php 中 word2vec 执行路径:

define('EXE_WORD2VEC', 'word2vec.exe');

系统自带了基于 windows 的 word2vec 版本。

项目实例

项目中写了一个将小说自动训练并归类为:现代和古代的例子。

训练集结果文件已经存在于 source_data 目录中。

您可以直接将要识别的小说文件放至 source_target 中,即可自动识别。

运行方式

配置 PHP 路径到系统环境变量 PATH 中,或者手工执行:

/path/php run.php > run.log

即可在 run.log 中看到运行结果。

注:windows 下,设置好 PATH 后,也可以直接运行 run.bat

Comment ( 0 )

Sign in for post a comment

PHP
1
https://gitee.com/mz/classifier4php.git
git@gitee.com:mz/classifier4php.git
mz
classifier4php
classifier4php
master

Help Search