php使用xapian扩展时获取某篇文档的分词及词频

文档术语列表处理

最新推荐文章于 2022-04-26 18:14:11 发布

原创最新推荐文章于 2022-04-26 18:14:11 发布 · 282 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#php

数据挖掘同时被 2 个专栏收录

30 篇文章

订阅专栏

php

13 篇文章

订阅专栏

本文介绍了一种从文档中提取特定前缀的术语及其出现频率的方法。通过遍历文档的术语列表，筛选出以指定前缀开始的术语，并去除前缀，保留其后的部分作为新的术语名称。


		$terms = array();
		$prefix = 'Z';
		for ($termi = $doc->termlist_begin(); !$termi->equals($doc->termlist_end()); $termi->next()) {
            $term = array(
				'wdf' => $termi->get_wdf(),
                'freq' => $termi->get_termfreq(),
                'name' => $termi->get_term(),
            );
            if ($term['name'][0] === $prefix) {
				$term['name'] = substr($term['name'],1,strlen($term['name'])-1);
                $terms[] = $term;
            }
        }