Viele Blogs nutzen so genannte "Tagclouds" / "Schlagwort Wolken" diese sind spätestens im aufblühendem SEO (Search Engine Optimization) Wahn modern geworden. Neben dem Seitenbesucher möglicherweise interessante Schlagwörter zu präsentieren leiten Sie so Besucher und Suchmaschinen in Bereiche der Seite in die sonst vielleicht kaum jemand surft. Das Problem dieser Tagclouds ist nun jedoch auch die verwendete Sprache, Wörter wie z.B. "jene, welche, sein, seine, ihre, unser, jedes, wessen" sind als Schlagwörter unbeliebt. Meist versucht man sämtliche Präpositionen, Adverben und Determinative auszugliedern da diese schlichtweg überall vorkommen können ohne eine relevante Aussage an sich treffen zu müssen. Um dies zu unterbinden nutzt man nun o.g. "Stopword Lists"; Dies sind also nichts weiter als Aufzählungen von unerwünschten Tags. Ich habe auf Frage eines Seitenbesuchers meine Liste mal zum Download verfügbar gemacht. Die meisten Addons & Plugins für aktuelle CMS oder Blogsysteme wie Wordpress, Joomla, Drupal u.v.m. unterstützen die Verwendung von Stopwords.
Als Hinweis sei angemerkt das diese Liste in Hinblick auf Verwendung in Blog / News-systemen erstellt wurde. D.h. es sind auch jene Wörter enthalten die als Web "Keywords" unerwünscht sind aber im herkömmlichen Sinne kein "Stopword" darstellen. Für Rücksendungen aktualisierter Versionen bin ich dankbar.
Download Stopwords
The Stopword List was moved to GITHUB for easy updating, please find it here:https://github.com/solariz/german_stopwords
Ich habe nämlich nen kleinen Vorschlag, wie du einen Teil deines Codes wesentlich performanter machen könntest.
//--Aussortieren vorbereiten--//
$stop = array_flip($stopwords); // stopwords ist ein array.
// durch das flippen wird anschliessen die sehr effizient
// prüfung mit isset ermöglicht.
$keywords_array = explode(';', $source);
//--Vergleich der Wörter der Datei mit der Liste der unerwünschten Ausdrücke--//
// und entferne gleichzeitig die kurzen wörter
foreach($keywords_array as $key=>$val) {
if (strlen($val)<$minWordLength || isset($stop[$val]))
unset($keywords_array[$key]);
};
$cleaned = implode(';',$keywords_array);