根據文章關鍵詞對文章分類演算法

㈠ 像百度知道通過關鍵詞確定分類的演算法是什麼

常規有一個分類字典庫（或叫訓練學習庫），把關鍵詞（如果是長句或文章啥的，先做切詞）在分類字典庫里做匹配演算法（硬性、模糊、支持向量機、決策樹等），即可初步得到分類

㈡ 根據關鍵詞檢索論文用什麼推薦演算法最合適

必須在Ei Compendex 資料庫中進行檢索。
第一步：選擇檢索欄位為「Subject/Title/Abstract」；
第二步：在檢索框中輸入關鍵詞，點擊「Search」按鈕，得到檢索結果；
第三步：在檢索結果頁面左欄點擊「Country」，選擇「China」，在左欄上方點擊「Limit to」按鈕，得到中國人發表的論文；
第四步：在檢索結果左欄下方點擊「Source Title」按鈕，查看中國人習慣發表適合你的關鍵詞的期刊。
如果需要進一步了解這些期刊的信息，可在「谷歌」中搜索。也可在「雅虎」中搜索。

㈢ 一篇文章中可以有幾個關鍵詞呢怎麼劃分呢

我覺得一篇文章就做一個關鍵詞，出現的次數在5-8次就可以了，不要出現太多次，關鍵詞太多就不好做了 ！

㈣ 如何實現關鍵詞的自動分類

如何實現關鍵詞的自動分類
分類一直是一件比較痛苦的事，特別是當關鍵詞的規模很大的時候，人工分類往往要做好久。

曾經寫過一篇基於情感分析演算法的評論分類處理，其實機器化進行語義分析還是具有可操作的，當然，人工干預是最好的，最為精準的，但是在此之前，我們可以先進行機器的預處理，以減少人工的工作效率。

對關鍵詞進行自動分類，要有一個基礎詞庫表，詞庫表裡要有個分組欄位，作為每個詞根的分組。

還有建立一個關鍵詞的分組表，分組表是建立在基礎詞表上的。

這個分組才是指未來進行長尾或文章進行分組的主表，組ID代表著基表裡詞根的分組ID的集合。

接下來就可以進行自動分組了，比如一個長尾詞：tom tom gps navi，首先進行分詞，根據詞庫，應該被分成 tom tom|gps|navi 三個詞 （備註：tom tom是一個品牌，在自有詞庫里認為是一個詞，如果是普通詞庫，則可能被分成兩個tom，不用糾結）。

然後在詞庫表中匹對，發現在分組1中出現了1個次，在分組2中全部出現，這時候，我們將詞庫的項數做為DF，講匹配的次數當作TF，則根據TF/IDF的計算，則分組1的TF/IDF = 1 * 1/3 < 分組2的TF/IDF等於 3* 1/7, 那麼這個詞被分在了分組2里。

如果這個分組我們分的足夠細，那麼對於這個分組表，我們還可以建立第三層的聚合表，將分組再進行一次聚合，實現非垂直內容的聚合，這個在做相關性內容的獲取和內鏈分配時是有一定的作用的。

那麼說了後面實現的方法，這個基庫和分組的庫該如何建立呢？

首先，你需要採集關鍵詞，從google或網路，好處是，當你拉回來的時候，這些詞本身相關性是比較強的，你要做的就是進行分詞，分詞是分兩步工作，一個是找詞，一個是統計詞頻，找詞分詞的思路是這樣的，先把所有片語合起來，採用正向最小逐步的切分，這個詞的長度閾值你可以根據行業特性自己設置，從最小的詞開始匹配，統計詞頻，然後逐步增加詞數，比如一共100個詞，任何的切分的詞如果詞頻統計超出70%（閾值），我們認為是有這個詞的，然後逐步增加，如果少於30%，則認為沒有這個詞，經過循環處理下來，得出的高頻詞，進行去重，就是我們所需要的基礎詞庫。

有了基礎的詞庫就要進行分組，分組就是就要統計之前採集的每個長尾詞在詞庫里的同時命中的了，將大量同時命中多個長尾詞的詞根統計出來，這些詞根基本具有一個分組，思路如同上面的自動分組是一樣的，只是做基礎詞庫的分組，還是需要一定的人工干預，才能確保數據的准確性。

㈤ 如何將文章分類,列舉出至少三種分類的結果和依據

文章一般分為議論文，記敘文和說明文。議論文就是一某一個觀點類論點進行論證。說明文就是通過數衣，對比等各種方法對事物進行說明。記敘文則是對某一個事件或者某一個人物進行描述。

㈥ 如何用Python分析一篇文章的關鍵詞有什麼相關的庫或演算法

應該用Python的正則表達式模塊re
示例：
#...
import re
with open('test.txt','r') as txt:
f = txt.read()
print re.match('正則表達式/關鍵詞',f)
#...

具體可以多了解一下這個模塊，查詢有三種方法，一個是match匹配，也是比較常用的
然後還有search和findall

個人覺得這個人的正則表達式介紹文章還不錯，推薦你參考：
http://blog.csdn.net/theminority/article/details/7629227

㈦ 「關鍵詞」提取都有哪些方案

僅從詞語角度分析，1.2句banana是重復出現的，3.4句kitten是重復出現的。但其實可以發現1.2句主要跟食物有關，3.4句主要跟動物有關，而food、animal兩個詞在四句話里均未出現，有沒有可能判斷出四句話中所包含的兩個主題呢，或者當兩篇文章共有的高頻詞很少，如一篇講banana，一篇講orange，是否可以判斷兩篇文章都包含food這個主題呢，如何生成主題、如何分析文章的主題，這就是topic-model所研究的內容。對文本進行LSA（隱形語義分析）。在直接對詞頻進行分析的研究中，可以認為通過詞語來描述文章，即一層的傳遞關系。而topic-model則認為文章是由主題組成，文章中的詞，是以一定概率從主題中選取的。不同的主題下，詞語出現的概率分布是不同的。比如」魚雷「一詞，在」軍事「主題下出現的概率遠大於在」食品」主題下出現的概率。即topic-model認為文檔和詞語之間還有一層關系。首先假設每篇文章只有一個主題z，則對於文章中的詞w，是根據在z主題下的概率分布p(w|z)生成的。則在已經選定主題的前提下，整篇文檔產生的概率是而這種對每篇文章只有一個主題的假設顯然是不合理的，事實上每篇文章可能有多個主題，即主題的選擇也是服從某概率分布p(t)的因此根據LDA模型，所有變數的聯合分布為表示topic下詞的分布，表示文檔下topic的分布。是第m個文檔的單詞總數。和表示詞語和topic的概率分布先驗參數。而學習LDA的過程，就是通過觀察到的文檔集合，學習的過程。

㈧ 今日頭條的文章推薦機制怎麼用

今日頭條的slogan很清楚的告訴了我們，它的文章推薦機制是個性化推薦機制，最大化保證推送的精準度，盡量保證對的文章推薦給對的人，歸根到底這個推薦演算法關鍵是還在於對海量用戶行為的數據分析與挖掘，個性化推薦的平台有很多，也許各家演算法略有不同，但最終目的都是殊途同歸，為實現最精準的內容推薦。

今日頭條的文章個性化推薦機制主要是：
相似文章主題相似性的推薦：通過獲取與用戶閱讀過文章的相似文章來進行推薦。
基於相同城市的新聞：對於擁有相同地理信息的用戶，會推薦與之相匹配的城市的熱門文章。
基於文章關鍵詞的推薦：對於每篇文章，提取關鍵詞，作為描述文章內容的一種特徵。然後與用戶動作歷史的文章關鍵詞進行匹配推薦。
基於站內熱門文章的普適性推薦：根據站內用戶閱讀習慣，找出熱門文章，對所有沒有閱讀過該文章的用戶進行推薦。
基於社交好友關系的閱讀習慣推薦：根據用戶的站外好友，獲取站外好友轉發評論或發表過的文章進行推薦。
基於用戶長期興趣關鍵詞的推薦：通過比較用戶短期和長期的閱讀興趣主題和關鍵詞進行推薦。
基於相似用戶閱讀習慣的列表推薦：計算一定時期內的用戶動作相似性，進行閱讀內容的交叉性推薦。
基於站點分布來源的內容推薦：通過用戶閱讀的文章來源分布為用戶計算出20個用戶喜歡的新聞來源進行推薦。
麻煩請採納，謝謝。

㈨ 求一分類演算法！編程高手請指點！

C語言的發展過程

C語言是在70年代初問世的。一九七八年由美國電話電報公司(AT&T)貝爾實驗室正式發表了C語言。同時由B.W.Kernighan和D.M.Ritchit合著了著名的「THE C PROGRAMMING LANGUAGE」一書。通常簡稱為《K&R》，也有人稱之為《K&R》標准。但是，在《K&R》中並沒有定義一個完整的標准C語言，後來由美國國家標准學會在此基礎上制定了一個C 語言標准，於一九八三年發表。通常稱之為ANSI C。

當代最優秀的程序設計語言

早期的C語言主要是用於UNIX系統。由於C語言的強大功能和各方面的優點逐漸為人們認識，到了八十年代，C開始進入其它操作系統，並很快在各類大、中、小和微型計算機上得到了廣泛的使用。成為當代最優秀的程序設計語言之一。

C語言的特點

C語言是一種結構化語言。它層次清晰，便於按模塊化方式組織程序，易於調試和維護。C語言的表現能力和處理能力極強。它不僅具有豐富的運算符和數據類型，便於實現各類復雜的數據結構。它還可以直接訪問內存的物理地址，進行位(bit)一級的操作。由於C語言實現了對硬體的編程操作，因此C語言集高級語言和低級語言的功能於一體。既可用於系統軟體的開發，也適合於應用軟體的開發。此外，C語言還具有效率高，可移植性強等特點。因此廣泛地移植到了各類各型計算機上，從而形成了多種版本的C語言。

C語言版本

目前最流行的C語言有以下幾種：
·Microsoft C 或稱 MS C
·Borland Turbo C 或稱 Turbo C
·AT&T C
這些C語言版本不僅實現了ANSI C標准，而且在此基礎上各自作了一些擴充，使之更加方便、完美。

面向對象的程序設計語言

在C的基礎上，一九八三年又由貝爾實驗室的Bjarne Strou-strup推出了C++。 C++進一步擴充和完善了C語言，成為一種面向 對象的程序設計語言。C++目前流行的最新版本是Borland C++4.5,Symantec C++6.1,和Microsoft VisualC++ 2.0。C++提出了一些更為深入的概念，它所支持的這些面向對象的概念容易將問題空間直接地映射到程序空間，為程序員提供了一種與傳統結構程序設計不同的思維方式和編程方法。因而也增加了整個語言的復雜性，掌握起來有一定難度。

C和C＋＋

但是，C是C++的基礎，C++語言和C語言在很多方面是兼容的。因此，掌握了C語言，再進一步學習C++就能以一種熟悉的語法來學習面向對象的語言，從而達到事半功倍的目的。
《C程序設計》的內容很豐富，按照我們現在的教學大綱，教學的主要內容是基礎知識、四種結構的的程序設計、函數與數組的應用和一些簡單的演算法。在學習時，同學們應該把主要精力放在這些部分，通過實踐（練習和上機調試等熟練掌握。當然，在初學C語言時，可能會遇到有些問題理解不透，或者表達方式與以往數學學習中不同（如運算符等），這就要求不氣餒，不明白的地方多問多想，鼓足勇氣進行學習，待學完後面的章節知識，前面的問題也就迎刃而解了，這一方面我感覺是我們同學最欠缺，大多學不好的就是因為一開始遇到困難就放棄，曾經和好多同學談他的問題，回答是聽不懂、不想聽、放棄這樣三個過程，我反問，這節課你聽過課嗎？回答又是沒有，根本就沒聽過課，怎麼說自己聽不懂呢？相應的根本就沒學習，又談何學的好？
學習C語言始終要記住「曙光在前頭」和「千金難買回頭看」，「千金難買回頭看」是學習知識的重要方法，就是說，學習後面的知識，不要忘了回頭弄清遺留下的問題和加深理解前面的知識，這是我們學生最不易做到的，然而卻又是最重要的。比如：在C語言中最典型的是關於結構化程序設計構思，不管是那種教材，一開始就強調這種方法，這時也許你不能充分體會，但是學到函數時，再回頭來仔細體會，溫故知新，理解它就沒有那麼難了。學習C語言就是要經過幾個反復，才能前後貫穿，積累應該掌握的C知識。
那麼，我們如何學好《C程序設計》呢？
一．學好C語言的運算符和運算順序
這是學好《C程序設計》的基礎，C語言的運算非常靈活，功能十分豐富，運算種類遠多於其它程序設計語言。在表達式方面較其它程序語言更為簡潔，如自加、自減、逗號運算和三目運算使表達式更為簡單，但初學者往往會覺的這種表達式難讀，關鍵原因就是對運算符和運算順序理解不透不全。當多種不同運算組成一個運算表達式，即一個運算式中出現多種運算符時，運算的優先順序和結合規則顯得十分重要。在學習中，只要我們對此合理進行分類，找出它們與我們在數學中所學到運算之間的不同點之後，記住這些運算也就不困難了，有些運算符在理解後更會牢記心中，將來用起來得心應手，而有些可暫時放棄不記，等用到時再記不遲。
先要明確運算符按優先順序不同分類，《C程序設計》運算符可分為15種優先順序，從高到低，優先順序為1 ~ 15，除第2、3級和第14級為從右至左結合外，其它都是從左至右結合，它決定同級運算符的運算順序。下面我們通過幾個例子來說明：
（1） 5*8/4%10 這個表達式中出現3種運算符，是同級運算符，運算順序按從左至右結合，因此先計算5 *8=40，然後被4除，結果為10，最後是%（求余數）運算，所以表達式的最終結果為10%10 = 0；
（2）a = 3;b = 5;c =++ a* b ；d =a + +* b；
對於c=++a*b來說，按表中所列順序，+ +先執行，*後執行，所以+ + a執行後，a的值為4，由於+ +為前置運算，所以a的值4參與運算，C的值計算式為4*5=20而不是3*5=15了；而對於d=a++*b來說，由於a + +為後置運算，所以a值為4參與運算，使得d的值仍為20，而a參與運算後其值加1，值為5。 這個例子執行後，a的值為5，b的值為5，c的值為20，d的值也是20；
（3）（a = 3，b = 5，b+ = a，c = b* 5）
例子中的「，」是逗號結合運算，上式稱為逗號表達式，自左向右結合，最後一個表達式的結果值就是逗號表達式的結果，所以上面的逗號表達式結果為40，a的值為3，b的值為8，c的值為40。
（4）a=5;b=6;c=a>b?a:b;
例中的a>b?a:b是一個三目運算，它的功能是先做關系運算a>b部分，若結果為真，則取問號後a的值，否則取冒號後b的值，因此c的值應該為6，這個運算可以用來代替if…else…語句的簡單應用。

二．學好C語言的四種程序結構
（1）順序結構
順序結構的程序設計是最簡單的，只要按照解決問題的順序寫出相應的語句就行，它的執行順序是自上而下，依次執行。
例如；a = 3，b = 5，現交換a，b的值，這個問題就好象交換兩個杯子水，這當然要用到第三個杯子，假如第三個杯子是c，那麼正確的程序為： c = a； a = b； b = c； 執行結果是a = 5，b = c = 3如果改變其順序，寫成：a = b； c = a； b = c； 則執行結果就變成a = b = c = 5，不能達到預期的目的，初學者最容易犯這種錯誤。 順序結構可以獨立使用構成一個簡單的完整程序，常見的輸入、計算，輸出三步曲的程序就是順序結構，例如計算圓的面積，其程序的語句順序就是輸入圓的半徑r，計算s = 3.14159*r*r,輸出圓的面積s。不過大多數情況下順序結構都是作為程序的一部分，與其它結構一起構成一個復雜的程序，例如分支結構中的復合語句、循環結構中的循環體等。
（2） 分支結構
順序結構的程序雖然能解決計算、輸出等問題，但不能做判斷再選擇。對於要先做判斷再選擇的問題就要使用分支結構。分支結構的執行是依據一定的條件選擇執行路徑，而不是嚴格按照語句出現的物理順序。分支結構的程序設計方法的關鍵在於構造合適的分支條件和分析程序流程，根據不同的程序流程選擇適當的分支語句。分支結構適合於帶有邏輯或關系比較等條件判斷的計算，設計這類程序時往往都要先繪制其程序流程圖，然後根據程序流程寫出源程序，這樣做把程序設計分析與語言分開，使得問題簡單化，易於理解。程序流程圖是根據解題分析所繪制的程序執行流程圖。
學習分支結構不要被分支嵌套所迷惑，只要正確繪制出流程圖，弄清各分支所要執行的功能，嵌套結構也就不難了。嵌套只不過是分支中又包括分支語句而已，不是新知識，只要對雙分支的理解清楚，分支嵌套是不難的。下面我介紹幾種基本的分支結構。
①if(條件)
{
分支體
}
這種分支結構中的分支體可以是一條語句，此時「」可以省略，也可以是多條語句即復合語句。它有兩條分支路徑可選，一是當條件為真，執行分支體，否則跳過分支體，這時分支體就不會執行。如：要計算x的絕對值，根據絕對值定義，我們知道，當x>=0時，其絕對值不變，而x<0時其絕對值是為x的反號，因此程序段為：if(x<0) x=-x;
②if(條件)

else

這是典型的分支結構，如果條件成立，執行分支1，否則執行分支2，分支1和分支2都可以是1條或若干條語句構成。如：求ax^2+bx+c=0的根
分析：因為當b^2-4ac>=0時,方程有兩個實根，否則（b^2-4ac<0）有兩個共軛復根。其程序段如下：

d=b*b-4*a*c;
if(d>=0)
{x1=(-b+sqrt(d))/2a;
x1=(-b-sqrt(d))/2a;
printf(「x1=%8.4f,x2=%8.4f\n」,x1,x2);
}
else
{r=-b/(2*a);
i =sqrt(-d)/(2*a);
printf(「x1=%8.4f+%8.4fi\n」r, i);
printf(「x2=%8.4f-%8.4fi\n」r,i)
}
③嵌套分支語句：其語句格式為：
if(條件1) ；
else if（條件2）
else if（條件3）
……
else if（條件n）
else
嵌套分支語句雖可解決多個入口和出口的問題，但超過3重嵌套後，語句結構變得非常復雜，對於程序的閱讀和理解都極為不便，建議嵌套在3重以內，超過3重可以用下面的語句。
④switch開關語句：該語句也是多分支選擇語句，到底執行哪一塊，取決於開關設置，也就是表達式的值與常量表達式相匹配的那一路，它不同if…else 語句，它的所有分支都是並列的，程序執行時，由第一分支開始查找，如果相匹配，執行其後的塊，接著執行第2分支，第3分支……的塊，直到遇到break語句；如果不匹配，查找下一個分支是否匹配。這個語句在應用時要特別注意開關條件的合理設置以及break語句的合理應用。
（3）循環結構：
循環結構可以減少源程序重復書寫的工作量，用來描述重復執行某段演算法的問題，這是程序設計中最能發揮計算機特長的程序結構，C語言中提供四種循環，即goto循環、while循環、do –while循環和for循環。四種循環可以用來處理同一問題，一般情況下它們可以互相代替換，但一般不提倡用goto循環，因為強制改變程序的順序經常會給程序的運行帶來不可預料的錯誤，在學習中我們主要學習while、do…while、for三種循環。常用的三種循環結構學習的重點在於弄清它們相同與不同之處，以便在不同場合下使用，這就要清楚三種循環的格式和執行順序，將每種循環的流程圖理解透徹後就會明白如何替換使用，如把while循環的例題，用for語句重新編寫一個程序，這樣能更好地理解它們的作用。特別要注意在循環體內應包含趨於結束的語句（即循環變數值的改變），否則就可能成了一個死循環，這是初學者的一個常見錯誤。
在學完這三個循環後，應明確它們的異同點：用while和do…while循環時，循環變數的初始化的操作應在循環體之前，而for循環一般在語句1中進行的；while 循環和for循環都是先判斷表達式，後執行循環體，而do…while循環是先執行循環體後判斷表達式，也就是說do…while的循環體最少被執行一次，而while 循環和for就可能一次都不執行。另外還要注意的是這三種循環都可以用break語句跳出循環，用continue語句結束本次循環，而goto語句與if構成的循環，是不能用break和 continue語句進行控制的。
順序結構、分支結構和循環結構並不彼此孤立的，在循環中可以有分支、順序結構，分支中也可以有循環、順序結構，其實不管哪種結構，我們均可廣義的把它們看成一個語句。在實際編程過程中常將這三種結構相互結合以實現各種演算法，設計出相應程序，但是要編程的問題較大，編寫出的程序就往往很長、結構重復多，造成可讀性差，難以理解，解決這個問題的方法是將C程序設計成模塊化結構。
(4)模塊化程序結構
C語言的模塊化程序結構用函數來實現，即將復雜的C程序分為若干模塊，每個模塊都編寫成一個C函數，然後通過主函數調用函數及函數調用函數來實現一大型問題的C程序編寫，因此常說：C程序=主函數+子函數。 因些，對函數的定義、調用、值的返回等中要尤其注重理解和應用，並通過上機調試加以鞏固。
三．掌握一些簡單的演算法
編程其實一大部分工作就是分析問題，找到解決問題的方法，再以相應的編程語言寫出代碼。這就要求掌握演算法，根據我們的《C程序設計》教學大綱中，只要求我們掌握一些簡單的演算法，在掌握這些基本演算法後，要完成對問題的分析就容易了。如兩個數的交換、三個數的比較、選擇法排序和冒泡法排序，這就要求我們要清楚這些演算法的內在含義，其中選擇法排序和冒泡法排序稍難，但只要明白排序的具體過程，對代碼的理解就不難了。如用選擇法對10個不同整數排序（從小到大），選擇法排序思路：設有10個元素a[1]~a[10],將a[1]與a[2]~a[10]比較，若a[1]比a[2]~a[10]都小，則不進行交換，即無任何操作；若a[2]~a[10] 中有一個比a[1]小，則將其中最大的一個（假設為a[i]）與a[1]交換，此時a[1]中存放了10個中最小的數。第二輪將a[2]與a[3]~a[10]比較，將剩下9個數中的最小者a[i]與a[2]交換，此時a[2] 中存放的10個數中第2小的數；依此類推，共進行9輪比較，a[1]到a[10]就已按從小到大的順序存放。即每一輪都找出剩下數中的最小一個，代碼如下：
for(i=1;i<=9;i++)
for(j=i+1;j<=10;j++)
if(a[i]>a[j]
{temp=a[i];
a[i]=a[j];
a[j]=temp;
}
結語：當我們把握好上述幾方面後，只要同學們能克服畏難、厭學、上課能專心聽講，做好練習與上機調試，其實C語言並不難學。

㈩ 像百度憑借按照哪些技術來判斷一篇文章的核心內容

朋友你好，他們用的是分詞技術，把文章的所有詞語先分開來，然後每個詞語背後都有一定的屬性，根絕你文章的排序，出現的次數等等根據演算法來得出文章的一系列屬性，包括確定核心內容，文章的正面和負面情緒的比例，文章的歸類，等等。