程式者的胡言亂語
星期日 九月 10, 2006
關鍵詞雲
在做完了「Keywords To Qing」後，每天我都會看看這blog的閱讀者－尤其是來自搜尋引擎「報路」的閱讀者，他們究竟是下了什麼查詢條件才會連進來。而最近許多bookmark manager都提供了「標籤雲（tag cloud）」的功能，這個功能主要是用來根據字詞的重要性來將字詞視覺化。我覺得這個視覺化的方式的確挺不賴的，所以也想把它拿來用來做關鍵詞雲，試著視覺化來自搜尋引擎的閱讀者所下的關鍵字。
觀察了好一陣字的查詢條件，發現有許多查詢條件都不單純只是詞的組合，它有可能是一段很口語的話，例如：「如何做gcj靜態類別庫」或「"Better Man"好男人這首歌的意義」，所以想要產生關鍵詞雲，就必須先將其中詞的部份抽取出來。寫一小段程式就可以辦到，所以在The Library，兩杯長島冰茶的作伴下，我寫了一個關鍵詞雲的程式。在這個程式中，只會保留出現超過一次的關鍵詞，免得這朵雲長的太大了，同時也避免noise的干擾。
找出從搜尋引擎來的關鍵詞能夠有什麼更具體的意義呢？我覺得它可以用來代表blog owner的文字屬性，或者更進一步的說，blog owner所寫下文字對其他人的對外表徵，例如：
可以看到，連進這個blog的閱讀者，對於java、better man、dht、p2p、甚至是error lnk2005（那是一個Visual Studio的編譯器訊息錯誤，相信我，Google就是這樣幫助開發者解決開發問題的:p）都有高度的興趣。這幾個關鍵詞自然反映了blog各篇文字的特性，甚至反映了我個人的特性。同時間更重要的是，它反映了他人的特性，最起碼反映了對這個blog會感興趣的其他人的查詢傾向。
讓blog owner自己標籤tag上的分類，反映出來的是blog owner自己的期待和認知。利用TF-IDF之類的方法來計算文字的重要關鍵詞，反映出來的是完全取決於文字本身的特性。而從這邊取出的關鍵詞，我們可以從中觀察他人對這份blog的期待，這不單是這份blog具備的特性，同時還是這份blog能吸引他人的特性。
Posted at 04:27下午 九月 10, 2006 by Chien-Hsing Wang in programming | 迴響[1]
第二段最後面有一句話：「在這個程式中，只會保留出現一次的關鍵詞」，這是什麼意思呢？
由...發表 william on 九月 13, 2006 at 11:39 上午 CST #