classifier4php

基于 PHP 和 word2vec 的简单分类器，用于文章、新闻等内容自动分类，项目包含样本训练、识别代码，

分词组件用的是 PhpAnalysis，简单灵活。欢迎大家一起优化并完善。

项目地址：

码云: https://gitee.com/mz/classifier4php

Github: https://github.com/djunny/classifier4php

背景

每个搜索引擎其实都有一套完善的分类器，拿最简单的分类器举例， 不管你是巨头门户还是垂直三、四级以下的网站，他都能识别你的站点类型。 面向海量内容的今天，随随便便就能从互联网采集、抓取海量的数据， 而数据又杂乱无章，如果用人工整理归类，太浪费资源了。

作者做过各类站群、垂直站点，深知分类器的重要性。

运行环境

如果您的操作系统是Linux、Centos等，

您需要自行下载 word2vec ( https://code.google.com/p/word2vec/ )编译。

然后修改 run.php 中 word2vec 执行路径:

define('EXE_WORD2VEC', 'word2vec.exe');

系统自带了基于 windows 的 word2vec 版本。

项目实例1: demo1/run.php

项目中写了一个将小说自动训练并归类为：现代和古代的例子。

训练集结果文件已经存在于 source_data 目录中。

您可以直接将要识别的小说文件放至 source_target 中，即可自动识别。

运行方式

配置 PHP 路径到系统环境变量 PATH 中，或者手工执行：

/path/php run.php > run.log

即可在 run.log 中看到运行结果。

注：windows 下，设置好 PATH 后，也可以直接运行 run.bat

项目实例2: demo2/index.php

请用浏览器访问，截图：

本实例是经过千万数据集训练出来的结果，

可以直接用于生产环境下的新闻分类，支持自动分类以下常见新闻类型：

财经 -保险 -产经 -宏观 -基金 -理财 -企业 -新股 -银行 -证券 房产 -八卦 -明星 -政策 -专家 -资讯 国际 国内 军事 -港澳台 -观察 -国际 -国内 -科技 -秘史 -评论 科技 -IT -互联网 -家电 -酷玩 -软件 -数码 -探索 -通信 历史 -解密 -人物 -文史 -野史 -战史 旅游 -发现 -攻略 美食 女人 -彩妆 -丰胸 -护肤 -香水 -整形 汽车 -厂商 -访谈 -媒体 -资讯 社会 -法律 -奇闻 -万象 时尚 -街拍 -视觉 -资讯 体育 养生 -按摩 -保健 -减肥 -美容 -营养 -中药 游戏 -攻略 -海外 -人物 -周边 -资讯 育儿 -宝宝健康 -宝宝营养 -备育 -产后 -明星育儿 -母婴 -曝光 -幼儿园 -游戏 -育期 -资讯 娱乐 政务 -部委

可通过浏览器访问 demo2/index.php