Небольшой опрос. Идеальный дорген/генератор сайтов/лендингов etc

пример текста в ветке есть, но сейчас уже другой алгоритм на подходе.

по скорости - если алгоритм проявит себя как рабочий можно реализовать на c++ / gcc это даст скорость.

---------- Добавлено 15.09.2016 в 23:48 ----------

Кто просил Ципф без лемы по Morphy ?

<?php



class ZipfFreqAnalise {

	

	public $str;

	private $N;

	

	public function __construct( )

	{

		$M = new CMorphy( );

	}

	

	public function __destruct( )

	{

		

	}



	public function LoadAnalizedStr( $str )

	{

		$this->str = trim( $str );

		$this->str = preg_replace("|[.,-;:]+|i"," ",$this->str);

	}

	

	public function EtalonMatrix( )

	{

		return array(

			0  => 0.025185185185185 ,

			1  => 0.013333333333333 ,

			2  => 0.008461538461536 ,

			3  => 0.006666666666667 ,

			4  => 0.005185185185185 ,

			5  => 0.004444444444444 ,

	                6  => 0.003703703703704 ,

	                7  => 0.003703703703704 ,

	                8  => 0.002962962962963 ,

	                9  => 0.002962962962963 ,

	                10 => 0.002962962962963 ,

	                11 => 0.002222222222222 ,

			12 => 0.002222222222222 ,

			13 => 0.002222222222222 ,

			14 => 0.002222222222222 ,

			15 => 0.001481481481482 ,

			16 => 0.001481481481482 ,

			17 => 0.001481481481482 ,

			18 => 0.001481481481482 ,

			19 => 0.001481481481482 ,

		);

		

	}

	

	public function WordsToArray( )

	{

		var_dump( $this->str );

		

		$array_words = array( );

		$tok = strtok($this->str, " \t\n");

		

		while($tok) {

			$array_words[] = $tok;

			$tok = strtok(" \t\n");

		}



		$F = array( );

		

		foreach ( $array_words as $i => $w )

		{

			if ( strlen( $w ) > 6 )

			{

				$F[] = $w;

			}

		}

		$array_words = $F;

		

		return $array_words;

	}

	

	function RMS( $values, $round = 4 )

	{

        $sum = 0;

	    

		foreach ( $values as $val )

		{

	        $sum += pow( $val, 2 );

	    }

		

	    $rms = pow( ( $sum / count( $values ) ), 0.5 );

	    $rms = round( $rms, $round );

		

		return $rms;

    }

	

	public function PointCompare( )

	{

		$F = array_count_values( $this->WordsToArray( ) );

		

		$AF = array( );

		

		$i = 0;

		foreach ( $F as $j => $n )

		{

			$AF[$i] = $n;

			$i++;

		}

		

		arsort( $AF );

		

		foreach ( $AF as $j => $n )

		{

			$AF[$j] = $n / count($F);

		}

		

		$AFcompared = array_shift( array_chunk( $AF, count( $this->EtalonMatrix( ) ) ) );

		

		$E = $this->EtalonMatrix( );

		$R = array();

		foreach ( $AFcompared as $i => $fq )

		{

			$d = (abs($E[$i] - $fq) / $E[$i]);

			$R[] = $this->RMS( array($E[$i], $d) );

		}

		

		$res = round( 1 / $this->RMS( $R ), 2 ) * 100;

		

		

		return $res;

	}

}

правда без лемы погрешность ~300%, так что пример чисто ознакомительный.

Новый алгоритм, собирает мозаику из релевантных предложений тематических статей. Пример работы:

А покаж тот же алгоритм в чём нибудь более приземлённом. Ну, к примеру "Ремонт кондиционеров".

* бренднейм -> звездочки чтобы не поднимать страницу по нецелевому запросу.

Все это хорошо, но, по-моему, будет явный переспам ключевика. Тут нам на помощь приходит пресловутая "сущность кеев"🤪

Короче, надо синонимайзер встраивать.

Лучше разбавить предложениями, которые алгоритм посчитал иррелевантными, то есть без вхождения ключа в любой форме. Чем и занимаюсь..

Синонимайз палится по тому же Ципфу, только на более широкой выборке. Ну какова вероятность встречи в тексте слова "сущность", да еще и столько раз, это же сразу видно что распрделения завалены, синонимайз не вариант, однозначно.

надо удалить из предлож всё между запятых, для уникализации , создать предлож с запятыми.

чтоб не было переспама достаточно контролировать число вхождений слов из ключа,

на вскидку- кол-во слова ключа =половине кол-ва всех уникальных слов в тексте,

тогда получится на грани переспама, если меньше то не будет трафика по конкурентным ключам.

насчёт ципфы- я просил, без морфологиии

разбить на слова (слова обрезать до 4 знаков, меньше 3 не принимать во внимание)

подсчитать сколько раз появляется в тексте каждое слово

и отсортировать по количеству вхождений слова в тексте, 20( можно и первых двух) самых часто появляющиеся слова сохранить вместе с числом количества вхождений этого слова в тексте

оберзку можно добавить, остальное все в примере есть.

половина количества уникальных слов - это переспам сильный. процента 2-4% нужно.

---------- Добавлено 16.09.2016 в 10:29 ----------

"Разбавленный" нейтральными предложениями вариант:

---------- Добавлено 16.09.2016 в 10:35 ----------

Пример с удвоенным количеством иррелевантных предложений:

как говорится смотрю в книгу вижу фигу

ок, допилию немного позже..