Question

Hola, estoy creando un sitio y en la parte de publicar las noticias me he topado con que las keywords de las noticias son extraidas del contenido y del titulo de la noticia. Por lo que me he propuesto la idea de cuando se ecriba una notica en mi pagina en php que a la hora de insertarla en el server se le haga un analisis a la noticia y de esta se saque las meta keywords que mejor referenciaran al usuario y al buscador sobre el contenido de la noticia para un mejor posicionamiento en los buscadores.
He pensado utilizar mineria de datos y otros algoritmos pero me pregunto que si ya existe algo como esto ya que solo llevo un año con internet y ustedes todo una vida ;). Saludos y me gustaría que me pusieran sugerencias de como hacerlo. disculpen la molestia, slaudos D

Answer 1

Hola Dairon, soy parte del equipo de MonkeyLearn. Muy pronto estaremos lanzando una nueva familia de módulos de "extracción" para realizar extracción de keywords, extracción de entidades, entre otras cosas. Pienso que esto podría serte de utilidad. Estas nuevas features van a estar disponible en 1-2 semanas aproximadamente para todos los usuarios de MonkeyLearn. Si lo deseas, puedes escribirme a [email protected] así te aviso cuando las tengamos en producción. Cualquier pregunta o comentario, no dudes en contactarme. Saludos, Federico.

Answer 2

Hola Dairon,

no estoy seguro de que exista un algoritmo para hallar palabras clave de un texto. Por el mismo motivo que no existen algoritmos para traducción automática: el habla humana no es (por ahora) un problema computable.

Para estas cosas se recurren a aproximaciones más o menos atinadas (el resultado se ve en los traductores!) que se pueden aplicar.

Para noticias es de los casos más simples, porque el estilo periodístico manda que el primer párrafo sea un resumen de la noticia completa. Para esto, podrías quedarte con todos los sustantivos del primer párrafo... y para hallas los sustantivos, podrías usar el listado en "words" de un servidor GNU/Linux o recurrir a los diccionarios del sistema (como aspell) para que te procesen palabras.

Es un problema interesante: cuantos más recursos le puedas dar para desarrollarla, mejor precision tendrá.

Los sitios de noticias tienen una sección de palabras clave que pone el autor del artículo... es muy raro que esto sea un proceso automático, porque estos procesos a veces ponen burradas.

Saludos!