计算趋势主题

Question

假设我正在根据各种条件从twitter收集tweet，并将这些tweet存储在本地mysql数据库中。我想能够电脑热门话题，如推特，可以在任何地方的长度从1-3个字。

有没有可能写一个脚本来做类似PHP和mysql的事情？

我发现，一旦能够获得术语的计数，我就可以回答如何计算哪些术语是“热门”的，但我被困在了第一部分。我应该如何将数据存储在数据库中，如何统计长度为1-3个单词的术语在数据库中的出现频率？

Answer 1

来自我的热门话题接收：

1. out the tweets
2. 将每条推文按空格拆分成n-gram (如果您想要3个单词的长度，最多3个) array
3. 从url，@username，常用词和垃圾字符中过滤出每个数组
4. 计数所有唯一关键字/短语频率

<代码>H19静音一些垃圾单词/短语<代码>H210<代码>G211

可以，您可以在php & mysql；上进行。)

Answer 2

如何首先在单个单词标记中分解您的tweet，并计算每个单词的出现次数？一旦有了它们，您就可以分解所有两个单词标记，计算出现的次数，最后对所有三个单词标记执行相同的操作。

你可能还想添加一些你不想统计的单词的字典

Answer 3

你需要的是

1. 文档分类，或..
2. automatic tagging

可能是第二个。只有到那时，你才能及时计算出他们的受欢迎程度。