Skip to content

百度贴吧发帖频率统计以及贴吧帖子热门关键词统计

License

Notifications You must be signed in to change notification settings

cy99/Tieba-Posting-Frequency

 
 

Repository files navigation

Tieba-Posting-Frequency

百度贴吧发帖频率统计以及贴吧帖子热门关键词统计 百度贴吧发帖频率&热门关键词云监控

上传所有文件到服务器上,添加do_num.php和do_tongji.php为监控项或者cron计划任务,每小时执行一次。导入tongji.sql到数据库中并且修改conn.php中的各项配置即可。

touxiang.php——获取贴吧头像(服务端脚本获取可绕过贴吧的Referer检测,此脚本有被DDOS攻击的风险,如有需要可修改文件名以及在do_xxx.php文件中对应的require语句)
index.php——首页展示
timer.class.php——统计脚本执行时间类文件
do_num.php——定时fetch发帖量数据并且存入数据库进行统计
do_tongji.php——定时fetch帖子内容并且调用中文分词API进行分词并且存入数据库进行统计

中文分词部分调用的是SCWS的中文分词接口,特此感谢。

SCWS 是 Simple Chinese Word Segmentation 的首字母缩写(即:简易中文分词系统)。

这是一套基于词频词典的机械式中文分词引擎,它能将一整段的中文文本基本正确地切分成词。 词是中文的最小语素单位,但在书写时并不像英语会在词之间用空格分开, 所以如何准确并快速分词一直是中文分词的攻关难点。

SCWS 采用纯 C 语言开发,不依赖任何外部库函数,可直接使用动态链接库嵌入应用程序, 支持的中文编码包括 GBK、UTF-8 等。此外还提供了 PHP 扩展模块, 可在 PHP 中快速而方便地使用分词功能。

分词算法上并无太多创新成分,采用的是自己采集的词频词典,并辅以一定的专有名称,人名,地名, 数字年代等规则识别来达到基本分词,经小范围测试准确率在 90% ~ 95% 之间, 基本上能满足一些小型搜索引擎、关键字提取等场合运用。首次雏形版本发布于 2005 年底。

SCWS 由 hightman 开发, 并以 BSD 许可协议开源发布,源码托管在 github [https://github.com/hightman/scws]。

昌维 2016-04-18 17:17:43

About

百度贴吧发帖频率统计以及贴吧帖子热门关键词统计

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • PHP 84.2%
  • JavaScript 8.0%
  • HTML 7.8%