首页 / PHP / PHP计算文档频率与特征向量

PHP计算文档频率与特征向量

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了PHP计算文档频率与特征向量，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1190字，纯文字阅读大概需要2分钟。

内容图文

步骤：

（1）读取3篇txt格式的英文文档；

（2）对每篇文档进行分词；

（3）利用正则表达式去掉逗号、句号等标点符号；

（4）计算文档频率；

    （5）统计特征向量

<?php
    $_txts = array(‘1.txt‘,‘2.txt‘,‘3.txt‘);
    $_len = count($_txts);
    for ($i = 0;$i < $_len;$i++){
        $_contents[] = file_get_contents($_txts[$i]);
    }
      
    for ($i = 0;$i < $_len;$i++){
        //分词
        $_words[] = explode(‘ ‘,trim($_contents[$i]));   
        foreach ($_words[$i] as $_key=>$_value){
            $_value = trim($_value);
            $_value = preg_replace(‘/[.|,|(|)|-|;]/‘,‘‘,$_value);
            $_words[$i][$_key]=strtolower($_value);
              
        }
        //去重
        $_words[$i]= array_unique($_words[$i]);
    }   
      
    //合并
    $_words_com = array_merge($_words[0],$_words[1],$_words[2]);
    //文档频率
    $_df = array_count_values($_words_com);   
    //特征向量
    for ($i = 0;$i < $_len;$i++){
        $_vsm[$i] = $_df;
        foreach($_vsm[$i] as $_key=>$_value){
            $_vsm[$i][$_key] = 0;
        }
        for ($j=0;$j<count($_words[$i]);$j++){
            if (in_array($_words[$i][$j],$_words_com)){
                $_vsm[$i][($_words[$i][$j])] +=1;
            }   
        }
    }   
      
    for($i = 0;$i < count($_vsm); $i++){
        echo ‘第‘.($i+1).‘篇文档的特征向量: (‘. implode(",",$_vsm[$i]).‘)<br/>‘;
    }
      
    print_r($_df);
?>

本文出自 “花间词的技术博客” 博客，请务必保留此出处http://ufish.blog.51cto.com/6626671/1381246

原文：http://ufish.blog.51cto.com/6626671/1381246

内容总结

以上是互联网集市为您收集整理的PHP计算文档频率与特征向量全部内容，希望文章能够帮你解决PHP计算文档频率与特征向量所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/1075988.html

来源：【匿名】