热门主题:1个单词的术语与合成的术语

Question

With your perfect help here我已经知道了如何计算热门话题(标准分数+浮动平均值)。

我的下一个问题:我的数据库中有与它们被提及的时间相关的术语(由1-3个单词组成)。但是，热门主题总是只有一个单词的术语，因为术语的一个部分总是比整个术语更常被提及。例如:昨天有3篇新闻文章是关于“巴拉克·奥巴马”的，今天有148篇。当然，“巴拉克·奥巴马”正在崛起。但“巴拉克”也在崛起，因此它是一个热门话题。

当我计算热门话题时，如何包含术语的长度？我不想使用另一种算法，我对上面的算法非常满意。我可以将所有两个单词的分数乘以1.5左右吗？

详细的例子:我最热门的趋势是:微软，中国，希拉里·克林顿，达拉斯小牛。我想说的是，“希拉里·克林顿”和“达拉斯小牛”从来都不是no1或no2，因为它们只有两个单词。“微软”和“中国”是一个单词的术语，所以它们的排名总是更好。有没有可能解决这个问题？

我希望你能帮助我。提前感谢！

Answer 1

说到奥巴马，是的，你可以。:)

也许你可以在输出之前测试一下你的高趋势是否包含在低趋势中。我会尝试像这样的东西：

示例:你有

1. Obama
2. Air France
3. Barack
4. A330
5. Barack Obama
6. ...

如果你想输出的列表不太长(就像你只取100个最好的分数)，你只选择那些不包含在其他列表中的分数，可能会在包含其他分数的列表中增加50%的奖金。(您可能需要获取150个第一个值，然后进行删除冗余的处理，可能会达到大约110个值，然后修剪最后10个值以恢复100个值。)

“巴拉克·奥巴马”包含“巴拉克”和“奥巴马”，所以你可以给它100%的奖励，你的清单可能会变成：

1. Air France
2. Barack Obama
3. A330
4. ...

希望它不会太多地改变你的算法，但实际上你可以在输出之前在最后插入这个处理。

编辑：

或者，如果你真的没有列出最好的分数，而只是一个接一个地计算，你可以拆分你的趋势来计算其组成部分的深思熟虑的总和(比如“巴拉克·奥巴马”的趋势是“巴拉克·奥巴马”的+0.5*“巴拉克”的+0.5*“奥巴马”的)。

Answer 2

基于@subtenante的答案，你应该寻找的公式应该基于这样一个事实，即“巴拉克·奥巴马”总是包含“巴拉克”和“奥巴马”……

所以简单的数学会表明它应该是：

"Barack"s + "Obama"s - "Barack Obama"s

..。当然，假设您的部分术语只存在于正确的上下文中，无论是单独出现还是组合成完整的术语-即“巴拉克”总是指“巴拉克·奥巴马”(而不是“奥巴马”)。“埃胡德·巴拉克”)。