dede如何自动提取关键词？

我将从 原理、配置、手动优化、常见问题 四个方面为你进行详细说明。

原理：DedeCMS 是如何自动提取关键词的？

DedeCMS 的自动关键词提取功能主要基于 “词频统计” 算法，并结合了 “停用词过滤”。

1. 分词与词频统计：

   • 当你发布一篇文章时，系统会自动调用 keyword.helper.php 文件。
   • 该文件会读取文章的 和 。
   • 它会使用一个简单的、基于分隔符（如空格，逗号，句号，换行等）和内置词典的方式进行分词。
   • 然后统计所有词语的出现频率，出现次数越多的词，被认为是“关键词”的可能性越大。

2. 停用词过滤：

   • 在统计词频后，系统会加载一个 停用词库（Stop Words List）。
   • 停用词库是一些没有实际意义的常用词，的”、“了”、“是”、“在”、“和”、“我们”、“一个”等。
   • 系统会从高频词列表中过滤掉这些停用词,剩下的就是初步提取出的关键词。

3. 排序与数量限制：

   
   （图片来源网络，侵删）
   • 过滤后的关键词会按照词频从高到低进行排序。
   • 系统会根据预设的数量（默认通常是5个）提取排名靠前的词,并自动填充到文章的关键词字段。

核心文件：

• /include/helpers/keyword.helper.php：这是自动提取的核心逻辑文件，如果你想修改提取算法或停用词,主要编辑这个文件。
• /dede/templets/article_keywords_edit.htm：这是后台文章编辑页面的模板文件，决定了你看到的“自动提取”按钮和关键词输入框的样式。

配置：如何启用和设置自动提取？

DedeCMS 默认是开启自动提取功能的,但你需要确保后台设置正确。

1. 后台全局设置：

   • 登录你的 DedeCMS 后台。
   • 进入 “系统” -> “系统基本参数” -> “核心设置”。
   • 找到 “关键字替换次数” 这个选项，这个选项控制着在文章内容中，关键词被自动加链接的次数，虽然它不直接控制“提取”的数量，但一个合理的值（如 1 或 2）是必要的。
   • 保存设置。

2. 发布文章时使用：

   
   （图片来源网络，侵删）
   • 进入 “核心” -> “内容维护” -> “添加文档” 或 “编辑文档”。
   • 在文章编辑界面，找到 输入框。
   • 在输入框的 上方或下方，你会看到一个 “自动提取” 的按钮。
   • 操作步骤：
     1. 填写好文章标题和内容。
     2. 将光标定位到“关键词”输入框中。
     3. 点击 “自动提取” 按钮。
     4. 系统会立即分析文章,并自动将提取出的关键词填入输入框。
     5. 非常重要：检查自动提取的关键词是否准确，如果效果不理想，你可以手动修改或删除,然后填入你认为更合适的关键词。

手动优化：如何提升自动提取的准确性？

自动提取只是一个辅助工具，效果不一定完美，你可以通过以下几种方法来优化它,使其更符合你的网站需求。

方法1：修改停用词库（最常用、最有效）

如果你发现提取出的关键词中仍然包含很多无意义的词,说明停用词库不够完善。

1. 找到停用词文件：

   • 路径通常是：/include/stopword.txt
   • 这是一个纯文本文件,每行一个停用词。

2. 编辑停用词库：

   • 用 FTP 工具下载 stopword.txt 文件到本地。
   • 用记事本等文本编辑器打开它。
   • 在文件末尾添加你希望被过滤掉的词，每行一个，如果你的网站是关于“手机”的，可以添加 手机, 数码, 产品 等词（如果它们不是你的核心业务词）。
   • 保存文件，并用 FTP 覆盖上传到服务器原位置。

示例：

的
了
是
在
和
我们
一个
...
手机
数码
产品

方法2：调整关键词提取数量

如果你想默认提取更多或更少的关键词,需要修改核心文件。

1. 找到核心文件：

   • 路径：/include/helpers/keyword.helper.php

2. 修改代码：

   • 打开 keyword.helper.php 文件。
   • 找到类似下面这行代码：

     $kws = explode(',', trim($kws));

   • 在这行代码 之前，找到定义 $keycount 的地方，或者在逻辑中找到限制数量的地方，在 DedeCMS 5.7 版本中，这个逻辑通常在 GetKeywords() 函数内，是通过循环和条件判断来实现的,最直接的方法是修改循环次数。
   • 找到类似这样的循环：

     for($i=0; $i<count($kws); $i++)
     {
       // ... 一些过滤和判断逻辑 ...
       if($rkey < $keycount) // $keycount 就是限制数量
       {
           // 将关键词加入结果数组
       }
     }

   • 你需要找到 $keycount 是在哪里定义的，在旧版本中，它可能是一个固定值，5，你可以直接修改这个数字，在新一些的版本中，它可能是一个可配置的参数，如果你找不到，可以直接修改循环的 for 条件，例如将 for($i=0; $i<count($kws); $i++) 改为 for($i=0; $i<count($kws) && $i<10; $i++)，这样最多就只处理前10个高频词,从而达到限制数量的目的。

警告：直接修改核心文件在升级 DedeCMS 时可能会被覆盖，建议修改前备份原文件,或者升级后重新修改。

方法3：手动指定和忽略

• 手动指定：在文章编辑页面，除了使用“自动提取”，你完全可以 不点那个按钮，直接手动输入你认为最精准的关键词，用英文逗号 隔开,这是最可靠的方法。
• 使用特殊标签：如果你希望某些词永远不被当作关键词，你可以在文章内容中使用 {dede:ignore} 和 {/dede:ignore} 标签将其包裹起来。

  这是一款非常棒的{dede:ignore}手机{/dede:ignore}，性能出众。

  这样，“手机”这个词就不会被提取到关键词中。

常见问题与解决方法

问题1：自动提取的关键词不准确，或者提取不出来。

• 原因1太短，标题和内容字数太少，系统无法进行有效的词频分析。
  • 解决：确保文章内容足够丰富（建议至少300-500字）。
• 原因2：停用词库不完善。
  • 解决：按照上面的 方法1，编辑 stopword.txt 文件,添加更多与你网站无关的常用词。
• 原因3：文章中包含了大量特殊符号或乱码，导致分词失败。
  • 解决：发布文章前，检查内容是否正常,清理掉不必要的特殊符号。

问题2：我想修改后台“自动提取”按钮的文字或样式。

• 解决：编辑模板文件 /dede/templets/article_keywords_edit.htm，找到包含“自动提取”字样的地方，你可以直接修改文字，或者通过修改其周围的 HTML/CSS 代码来调整样式。

问题3：升级 DedeCMS 后，我的关键词修改失效了怎么办？

• 解决：这是最常见的问题，因为升级会覆盖 /include/ 目录下的所有文件，如果你修改了 keyword.helper.php 或 stopword.txt，你需要用你 之前备份的修改版文件,去覆盖升级后新版本中的对应文件。

DedeCMS 的自动提取功能是一个便捷的辅助工具，但不要完全依赖它，结合 手动优化停用词库 和 人工最终审核,才能获得最佳效果。