PHP“相關文章推薦”功能的簡易實現

一般做內容網站，需要在每一篇文章出現與該文章相關的文章列表。多數人使用的方法大概是：建立一個關鍵詞列表，判斷每篇文章包含有那些關鍵詞，最後根據關鍵詞找出與某篇文章最相關的文章。對於內容比較復雜的網站，確定關鍵列表詞顯然比較麻煩。

後來我查閱了一些php函數，感覺similar_text（php4,php5）函數能夠十分方便的達到我的要求。這個思路是：從文章列表中取出所有的文章標題，將所有的文章標題都同當前標題對比，將對比結果生成一個數組，按照相似度的大小由大到標題，利用similar_text將這些文章標題同原文章標題做對比，按標題的相似程度重新排列標題，就得到了與原文章相似的文章列表。

這個思路用到的關鍵函數是：

int similar_text ( string $first, string $second [, float $percent] )

它返回的是兩個字根串的相同字節數。

按照這個思路，我們建立如下的函數，這個函數的功能是把$arr_title數組按照同$title相似的的順序重新排列數組。

<?php
$demo_title = "幫客之家";
$demo_arr_title = array("簡單易懂的現代魔法","簡單明了的現代魔法","簡明扼要的古代魔法","不簡單的現代魔法","很難懂的現代魔法");
$new_array = getSimilar($demo_title,$demo_arr_title);
//print_r($new_array);
echo "與[$demo_title]最相關的前三個文章是：<br/>";
for($j=0; $j<=2; $j++)
{ 
	echo ($j+1).":".$new_array[$j]."<br/>";
}

//$title當前標題，$arrayTitle為需要查找的數組
function getSimilar($title,$arr_title)
{
	$arr_len = count($arr_title);
	for($i=0; $i<=($arr_len-1); $i++)
	{
		//取得兩個字符串相似的字節數
		$arr_similar[$i] = similar_text($arr_title[$i],$title);
	}
	arsort($arr_similar);	//按照相似的字節數由高到低排序
	reset($arr_similar);	//將指針移到數組的第一單元
	$index = 0;
	foreach($arr_similar as $old_index=>$similar)
	{
		$new_title_array[$index] = $arr_title[$old_index];
		$index++;
	}
	return $new_title_array;
}
?>

程序運行結果：

與[幫客之家]最相關的前三個文章是：
1:簡單明了的現代魔法
2:簡單易懂的現代魔法
3:簡明扼要的古代魔法

有些需要注意的地方：

1. 關於similar_text速度，有人做過這個一個測試，結果是：

The speed issues for similar_text seem to be only an issue for long sections of text (>20000 chars).

I found a huge performance improvement in my application by just testing if the string to be tested was less than 20000 chars before calling similar_text.

20000+ took 3-5 secs to process, anything else (10000 and below) took a fraction of a second. Fortunately for me, there was only a handful of instances with >20000 chars which I couldn't get a comparison % for.

如果要直接使用正文作對比速度可能會比較慢。

2. 這個函數用於英文的效果可能不太好（本人沒有嘗試過）。用與英文時可以將英文句子用空格分開成多個單詞後再寫一個類似於similar_text的函數。
3. 句子中含有比較多“的”、“了”等非關鍵詞字符時，得到的結果可能不太理想。