Tags 趋势主题：单词术语与组合术语

我已经了解了如何计算趋势主题（标准分数+浮动平均值）

我的下一个问题是：我的数据库中的术语（由1-3个单词组成）与提到它们的时间有关。但是趋势话题总是只有一个词的术语，因为一个术语的一部分总是比完整的术语更经常被提及。示例：昨天有3篇关于“巴拉克·奥巴马”的新闻文章，今天有148篇。当然，“巴拉克·奥巴马”正在崛起。但“巴拉克”也在崛起，因此它是一个热门话题

当我计算趋势主题时，如何包括术语的长度？我不想使用其他算法，我对上面的算法非常满意。我能把所有两个词的分数乘以1.5左右吗

详细的例子：我的主要趋势是：微软、中国、希拉里·克林顿、达拉斯小牛队。我想说的是，“希拉里·克林顿”和“达拉斯小牛队”从来都不是排名第一或第二的，因为它们是两个词。“微软”和“中国”是一个词，所以它们的排名总是比较高。有没有可能解决这个问题

---

我希望你能帮助我。提前谢谢

谈论奥巴马，是的，你可以。：）

也许你可以在输出之前测试一下你的高趋势是否包含在低趋势中。我想试试这样的东西：

你有

奥巴马

法航

巴拉克

A330

巴拉克·奥巴马

如果您希望输出的列表不太长（比如您只获得100个最佳分数），则只选择其他列表中未包含的列表，可能会在包含其他列表的列表上增加50%的奖金。（您可能需要先获取150个值，然后进行处理，删除冗余（可能会达到110），然后修剪最后10个值，以恢复100个值。）

“Barack Obama”包含“Barack”和“Obama”，因此您可以给它100%的奖金，您的列表可能会变成：

法航

巴拉克·奥巴马

A330

希望它不会太多地改变您的算法，但实际上您可以在输出之前在最后插入此处理

编辑：

---

或者，如果你真的没有列出最好的分数，而是一个一个地计算，你可以将你的趋势分割，计算出一个经过深思熟虑的组成部分的总和（比如“巴拉克·奥巴马”的趋势是“巴拉克·奥巴马”+0.5*“巴拉克”+0.5*“奥巴马”）。

基于@subtenate的答案，你应该寻找的公式应该基于以下事实：“巴拉克·奥巴马”总是包含“巴拉克”和“奥巴马”…
因此，简单的数学将表明它应该是：

"Barack"s + "Obama"s - "Barack Obama"s

---

…当然，假设您的部分术语仅在正确的上下文中出现，可以单独出现，也可以合并到完整术语中，即“巴拉克”总是指“巴拉克·奥巴马”（而不是“埃胡德·巴拉克”）（

非常感谢！非常简单但很有效！：）不幸的是，它只涵盖了一种情况。另一种情况是，我的最热门趋势是：微软、中国、希拉里·克林顿、达拉斯小牛队。我想说的是，“希拉里·克林顿”和“达拉斯小牛队”从来没有排名第一或第二，因为它们是两个词。“微软”和“中国”“是一个词的术语，因此它们总是排名更好。有没有可能解决这个问题？我不知道为什么。使用我给您的方法（从子组件添加部分趋势），您可以实现与常量乘法器相同的效果，只是乘法器取决于子组件的趋势。也许增加乘法器可以做到这一点，但是您应该小心，不要尝试过多地弯曲数据。你可能会把错误的趋势归功于错误的趋势（愚蠢的例子：一个叫麦克唐纳的人会从麦克唐纳的破产中受益太多，并且仅仅因为他的名字而得到比它更高的趋势）。祝你好运，没有足够的口碑来评论阿维德的答案，所以我在这里说：阿维德的公式（几乎）是正确的。你减去趋势（巴拉克·奥巴马），因为它包含两次：一次在趋势（巴拉克）中，一次在趋势（奥巴马）（计算所有出现的“巴拉克”包含所有出现的“巴拉克·奥巴马”；计算“奥巴马”的次数相同，所以两次是“巴拉克·奥巴马”）。但要完全准确地说，你还必须删去所有出现的“奥巴马-巴拉克”，这也包含了两次。问题是AviD还统计了“Ehud Barack”（为了这个例子而错贴）和“Michelle Obama”的趋势。谢谢！为什么要减去“巴拉克·奥巴马”的值？正如@subtenate在他自己的帖子评论中解释的那样，我减去“巴拉克·奥巴马”是因为它已经包含了两次——一次是趋势（“巴拉克”），第二次是“奥巴马”。然而，@subtenate也对罕见的“奥巴马-巴拉克”提出了一个很好的观点。正如我也指出的，除了你所期望的“巴拉克·奥巴马”之外，这些副术语还可能出现在其他趋势中。