Afficher le nombre de mots/nuage d'étiquettes en proportion

Question

C'est bizarre, alors soyez patient pendant que j'essaie d'expliquer.

Problème de base: J'ai une chaîne massive - elle peut être de différentes longueurs selon l'utilisateur. Mon travail consiste à acquérir cette chaîne massive en fonction de l'utilisateur, puis à l'envoyer à l'autre logiciel pour créer un nuage de tags. Si la vie était facile pour moi, je pourrais simplement envoyer le tout. Cependant, le logiciel de nuage de tags n'acceptera qu'une chaîne de 1000 mots, je dois donc travailler sur ma chaîne pour envoyer les mots les plus importants. Ma première pensée a été de compter chaque occurrence des mots, et de jeter tout cela dans un tableau avec le nombre de chaque mot, puis trier.

array(517) (
    "We" => integer 4 
    "Five" => integer 1 
    "Ten's" => integer 1 
    "best" => integer 2 
    "climbing" => integer 3 
    (etc...) 

Ici, je crée une nouvelle chaîne et crache chaque mot fois son nombre. Une fois que la chaîne totale atteint 1000 mots, je m'arrête. Cela crée un problème. Supposons que le mot «pomme» s'affiche 900 fois et que le mot «chat» s'affiche 100 fois. Le nuage de mots résultant ne comprendrait que deux mots.

Mon idée est de cracher en quelque sorte les mots à un certain type de rapport aux autres mots. Mes tentatives jusqu'ici ont échoué sur différents ensembles de données où le rapport n'est pas grand - particulièrement quand il y a beaucoup de mots à "1", rendant ainsi le GCD très bas. Je pense qu'il s'agit d'un problème mathématique simple que je ne peux pas comprendre, alors je me tourne vers l'oracle qu'est stackoverflow.

merci d'avance.

Answer 1

nombre tous les mots font alors ce pour chaque mot dans votre tableau:

floor(count_of_the_word * (1000/numbber_of_total_words)) 

cela se traduira par un maximum de 1000 mots et tous les mots apparaissent dans les temps x réduit la proportion en fonction.

afin d'avoir 50 fois chat 100 fois gozilla 4000 plus souple et 4000 fois brousse 1000 fois george donnera lieu d'abord à

array(
    cat[50] 
    gozilla[100] 
    looser[4000] 
    bush[4000] 
    george[1000] 
) 

après le bouclage et la conversion des chiffres que vous obtiendrez ceci:

array(
    cat[5] 
    gozilla[10] 
    looser[437] 
    bush[437] 
    george[109] 
) 

résultant en 998 mots au total