“消除”的最佳方法；“噪音”；ASP.NET3.5Web应用程序中的单词？

我想把一些关键字元标签放到一个页面上，具体取决于所显示的文章

假设您加载了blabla.com/article.aspx？id=2的页面 这篇id等于2的文章题为“商业管理中故意错误的智慧”

因此，我想包括如下meta标记：

<META name="keywords" content="wisdom, deliberate, mistakes, business, management" />

如果你想过滤“噪音”或“停止”单词，我建议你研究一下regluar表达式，它们对这类东西的反应非常快。至于实现，我可能会将noise/stop字存储在一个表中，然后使用这些字来构建您的正则表达式。您应该能够在服务器上缓存正则表达式，这样性能影响应该最小

下面是一个基于您上面提供的单词的示例。有一个很好的在线正则表达式测试器，位于：

---

这些词被称为“停止词”——这将帮助你在谷歌上搜索一些实现想法

我的感觉是这样做没有多大价值——标题已经被认为对搜索索引非常重要。此外，“智慧”真的与文章相关吗

我认为最好的关键词是人工选择的，比如标签，并且最多保留1到3个描述内容的特定关键词

---

但要回答你的问题——你认为会有多少人？如果我要这样做，我会将它们保存在数据库中（如果我已经在使用数据库），如果它们影响性能，则将它们预加载到内存中（它可以由所有会话共享）。

您可能会看到我的帖子。在那里，我使用英语、法语、西班牙语和德语中的噪音词（或停止词）。对于每一种语言，我都有三个数组：标准噪音词、最常见的动词和第三个及其变化。通过这种方式，您可以将噪声词与动词和变位符，甚至是不规则动词一起删除（在英语以外的其他语言中，变位符比-ed、-ing和-s终止符复杂得多）

提供的示例VB项目代码为每个asp.net页面（.aspx）动态创建元标题、元关键字和元描述，无需用户干预，其cpu命中率仅在编译时（第一次请求）。一旦页面被编译，它们的标记（标题、关键字、描述）就不会占用任何cpu空间。这是因为，由于VirtualPathProviders（文件系统在任何时候都不会被修改），在实际编译文件之前，Meta是动态计算的并被推送到文件中的

我将它们存储在编码数组中，这些数组经过排序，以便能够使用二进制搜索算法

---

我希望这能对你有所帮助。问候。

@Rob的回答为我指明了一个正确的方向，可以完成类似的任务。这是我最后得到的工作函数。文件

noiseENU.txt

按原样从

\Program Files\Microsoft SQL Server\MSSQL.1\MSSQL\FTData

复制

    Public Function StripNoiseWords(ByVal s As String) As String
        Dim NoiseWords As String = ReadFile("/Standard/Core/Config/noiseENU.txt").Trim
        Dim NoiseWordsRegex As String = Regex.Replace(NoiseWords, "\s+", "|") ' about|after|all|also etc.
        NoiseWordsRegex = String.Format("\s?\b(?:{0})\b\s?", NoiseWordsRegex)
        Dim Result As String = Regex.Replace(s, NoiseWordsRegex, " ", RegexOptions.IgnoreCase) ' replace each noise word with a space
        Result = Regex.Replace(Result, "\s+", " ") ' eliminate any multiple spaces
        Return Result
    End Function

这是解决办法

将变量$NOISE_单词定义为xs:string*

{

（：\b是单词边界。它捕捉开头

字符串的结尾和中间与整个单词匹配。：）

（'\b\b'、'\bof\b'、'\ban\b'、'\bor\b'

'\bis\b'、'\bon\b'、'\bbut\b'、'\ba\b'）

}

定义函数删除噪声字（$string，$noise）

{

（：这是一个递归函数。：）

如果（不是（空（$noise）），则

删除杂音字（

替换（$string，$noise[1]，“”，'i'）

（：这将沿着后面的噪声字传递

刚刚评估的那个。：）

$noise[position（）>1]

)

else规范化空间（$string）

}

let$source-string1:=“李尔王的悲剧”

let$source-string2:=“李尔王的悲剧”

让$source-string3:=

“李尔王的悲剧”

让$source-string4:=“的

（：如果所有噪声字

如上文第4条所述：

让$final:=

删除噪声字（$source-string1，$noise\u字）

返回$final

浏览[连结文字][1]

---

[1] ：有关更多详细信息

+1与我想说的差不多，但我觉得这些天来meta标签的价值充其量是值得怀疑的。是的，我考虑过标签。。。但是客户不喜欢人工输入标签，他们希望自动添加“标签”。第一步就是标题，然后他们想要一些非常奇怪的东西，比如阅读文章的主体，然后决定哪些是关键词。听起来很疯狂，而且非常难=P，但是人类标记不是一个选项=（所以你们都同意将“停止词”存储在数据库中而不是其他任何地方的想法？在回答你们关于有多少“停止词”的问题时。我只是想使用与SQL Server相同的方法（我将编辑这篇文章，以包含SQLServer2005FTS文件noiseENU.txt的内容）谢谢！我将看看你的帖子。

    \b(?:about|1|after|2|all|also|3|an|4|and|5|another|6|any|7|are|8
|as|9|at|0|be|$|because|been|before|being|between|both|but|by|came|can|come|
could|did|do|does|each|else|for|from|get|got|has|had|he|have|her|here|him|
himself|his|how|if|in|into|is|it|its|just|like|make|many|me|might|more|most|
much|must|my|never|no|now|of|on|only|or|other|our|out|over|re|said|same|see|
should|since|so|some|still|such|take|than|that|the|their|them|then|there|these|
they|this|those|through|to|too|under|up|use|very|want|was|way|we|well|
were|what|when|where|which|while|who|will|with|would|you|your)\b

    Public Function StripNoiseWords(ByVal s As String) As String
        Dim NoiseWords As String = ReadFile("/Standard/Core/Config/noiseENU.txt").Trim
        Dim NoiseWordsRegex As String = Regex.Replace(NoiseWords, "\s+", "|") ' about|after|all|also etc.
        NoiseWordsRegex = String.Format("\s?\b(?:{0})\b\s?", NoiseWordsRegex)
        Dim Result As String = Regex.Replace(s, NoiseWordsRegex, " ", RegexOptions.IgnoreCase) ' replace each noise word with a space
        Result = Regex.Replace(Result, "\s+", " ") ' eliminate any multiple spaces
        Return Result
    End Function