Trouver les mots les plus répétés dans un champ

[maxence64]

Bonjour à tous,

J'ai un forum fait maison pour m'amuser et améliorer mes connaissances en php.
Je voudrais, par une requête sql, en php, afficher sur une page les thèmes les plus en vogue : c'est-à-dire afficher les titres sensiblements similaires triés par similarité !

Exemple :

Titres des sujets :
-------------------

"ben laden est mort"
"la mort de ben laden"
"faire une confiture à la framboise"
"faire une confiture à la fraise"
"ben laden"
"la confiture à la fraise est trop bonne"
"Ben Laden est-il vraiment mort ?"

Cela afficherait
-------------------

Thèmes les plus en vogue =

1 - Ben laden
"ben laden est mort"
"la mort de ben laden"
"ben laden"
"Ben Laden est-il vraiment mort ?"

2 - Confiture
"faire une confiture à la framboise"
"faire une confiture à la fraise"
"la confiture à la fraise est trop bonne"

3 - fraise
"faire une confiture à la fraise"
"la confiture à la fraise est trop bonne"

En gros, je connaît à peu près les requêtes "match against" mais il faut définir une variable, or là il n'y a rien que je puisse définir.

Code :

MATCH (title,description) AGAINST ('ben laden' IN BOOLEAN MODE)

retournerai tous les topics parlant de ben laden, mais comment savoir que ben laden est la combinaison de mots la plus présente dans la table mysql ?

D'avance merci de votre aide !

[kayoum]

Ca n'est pas un problème simple que tu peux résoudre à l'aide d'une requête, à mon avis.

Je pense que tu devrais créer un fichier index qui référence pour chaque mot le nombre d'occurrence et l'adresse des posts qui contiennent ce mot.
Et comme tu veux aussi gérer les genres (masculin/féminin), les types (singulier/pluriel) et les déclinaisons des termes (infinitifs conjugués etc...) pour avoir le meilleur index, je te conseille de regarder du coté du tree-tagger qui est capable de "lemmatiser" un terme.

Enuite tu pourra lire de fichier index pour compter les occurrences et savoir comment construire tes "sujets les plus en vogues"

En fin de compte ce que tu veux faire s'appelle IRI ce qui signifie Indexation et Recherche d'Information. C'est un sujet très intéressant et je te souhaite bon courage pour cela !

Guillaume