PHP: Определение языка текста с помощью N-грамм. Часть 2

[ra1nbow]

Интересный метод… Кстати, по прочтению, у меня родился такой вопрос: можно ли пойти дальше, и определять, допустим, тематическую направленность текста, что-то вроде элементов контент-анализа?

[FractalizeR]

Очень сомневаюсь, что метод триграмм может в этом помочь. Не думаю, чтобы по триграммам можно было определять тематику.

[Kupyc]

Ian Barber не разбивал статью на две части, зачем это сделали вы? Два подряд идущих и ссылающихся друг на друга топика — это повышение энтропии. Гугл покарает вас.

[FractalizeR]

А вы читали вообще текст-то? :)
«Разбить на две части пришлось из-за большого объема текста с форматированием («Some error… We know...).» Хабр не любит статьи более 50-60Кб, как выясняется. Во всяком случае у меня такие длинные не постит на Хабре. Говорит, что возникла ошибка, что он знает о ней, но мне ничего про нее не скажет больше…

[Kupyc]

Ваш или оригинальный? У меня одинаково нет претензий ни к тому, ни к другому. К тексту, мда.
<hint>Может быть попробовать заменить &nbsp; на пробелы?</hint>