关于 V2EX 新的自动打标签功能

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

› Remote Worker

这是一个创建于 3960 天前的主题，其中的信息可能已经有所发展或是发生改变。

现在在 V2EX 每个主题的右下角，多了一个新的自动打标签功能，及相关的聚合页面。

这是基于 jieba 做的。目前的效果在某些主题上还是不太理想，接下来会继续优化。

大家如果有什么好的思路，或者好的词典，还请多多赐教，谢谢。

第 1 条附言 · 2014-01-14 21:01:41 +08:00

extract tags 部分已经被挪到一个独立的进程运行，通过异步方式调用。

现在 V2EX 在部署新代码的时候不会再因为等待 jieba 启动而产生 HTTP 5xx 错误了。

V2EX

标签

自动

71 条回复 • 1970-01-01 08:00:00 +08:00

meteor2013

2014-01-14 10:15:00 +08:00

是不是要回复好几个贴才会出现标签？
只有主题就不会出现？

Livid

MOD

2014-01-14 10:15:34 +08:00

@meteor2013 主题第二次 load 的时候就会有标签。

kstsca

2014-01-14 10:16:20 +08:00

@Livid 样式不怎么好看，建议给他加个框框，箭头那种。

Livid

MOD

2014-01-14 10:16:54 +08:00

@kstsca 貌似是因为 CSS 没有更新。我马上解决这个问题。

你可以先试试刷新。

meteor2013

2014-01-14 10:16:59 +08:00

jieba是中文分词，有没有英文的分词的打标签的东东？

Livid

MOD

2014-01-14 10:19:21 +08:00

一个副作用就是，由于初始化过程比较慢，每次我们部署完新代码之后，你可能会看到大概 5 秒的 Bad Gateway 500。

meteor2013

2014-01-14 10:19:28 +08:00

@Livid 第二次load已经看到标签了，但是这个标签要是可以根据大家的回复，还有回复内容的频率改变就牛逼了。

botao1

2014-01-14 10:19:41 +08:00

@Livid 样式再微调一下吧，现在每个标签之间没有margin : )

Livid

MOD

2014-01-14 10:20:04 +08:00

@botao1 请刷新一下浏览器。

est

2014-01-14 10:21:57 +08:00

@Livid 不如可以针对用户 id 打标签。我觉得很有意思啊。。哈哈。比如某某谁吹过牛，招过人，创过页，做过什么东西，看tag一下子就知道了。

botao1

2014-01-14 10:22:01 +08:00

@Livid OK 刷新了一下好多了，赞！
不过感觉圆角背景和标签图标的颜色对比度稍嫌低，还可以再大一点点

gotounix

2014-01-14 10:22:38 +08:00

很赞的功能啊！大爱！！！

Livid

MOD

2014-01-14 10:23:05 +08:00

@est 这个是可以根据目前的数据算出来的：

Member -> Topics -> Tags

接下来会有这个功能：根据每个人发的帖子生成的标签云。

Livid

MOD

2014-01-14 10:25:24 +08:00

接下来还可以有的几件好玩的事情：

* 构建一个所有单词的标准拼写库，比如 v2ex -> V2EX，ssl -> SSL，simcity -> SimCity
* 挖掘一下数据量更大的回复数据

westy

2014-01-14 10:31:10 +08:00

标签位置很奇怪，会让人觉得是评论的标签。

Livid

MOD

2014-01-14 10:32:23 +08:00

@westy 从逻辑上来说确实有点问题。但是放到第一个卡片里的任何位置都别扭…

qiayue

2014-01-14 10:36:41 +08:00

发现一个小 BUG ，重复标签
/t/96719 两次“框架”

Livid

MOD

2014-01-14 10:37:21 +08:00

@qiayue 多谢反馈！现在马上检查。

botao1

2014-01-14 10:43:54 +08:00

@Livid @westy
我觉得同样作为作为元数据，可以放在第一个卡片标题下 “By Livid” 和 “27 分钟前 · 537 次点击” 之间，或者 “27 分钟前 · 537 次点击” 之后。

目前的位置，会觉得这些标签跟回复有直接联系~

mkeith

2014-01-14 10:44:48 +08:00

标签和主题放到一起吧，和回复在一起怪怪的啊。

xiaojay

2014-01-14 10:45:04 +08:00

分词然后用 TF-IDF ？

Livid

MOD

2014-01-14 10:45:36 +08:00

@botao1
@mkeith 请相信设计师的直觉。:-)

hzlzh

2014-01-14 10:48:32 +08:00

@Livid 墙裂的需要大小写规范化单词

nemoliu

2014-01-14 10:49:26 +08:00

能介绍一下计算的过程么？对标题分词然后根据tf-idf做关键词提取？

Livid

MOD

2014-01-14 10:50:25 +08:00

@xiaojay
@nemoliu

https://github.com/fxsjy/jieba/blob/master/jieba/analyse/__init__.py

FarBox

2014-01-14 11:04:51 +08:00

中文词典应该都是接近的。如果有更好的，同求。 :)

我们原来有尝试用jieba+mongodb做全文检索，但试了下，性能很糟糕，没有办法用在生产环境。

最后选择用ElasticSearch作为纯粹的分词+索引的中间库，也算一种奇葩的用法；不过效果还挺不错的。

dorentus

2014-01-14 11:07:26 +08:00

放这个位置不也挺好的么……

mopig

2014-01-14 11:07:45 +08:00

http://v2ex.com/tag/tooyoung
不存在的 tag 会报错～

Superoutman

2014-01-14 11:09:18 +08:00

非常赞同19楼 @botao1 的提议。

ryon

2014-01-14 11:12:01 +08:00

tag和节点会不会有一定的重复？我们在设计的过程中也考虑过类似的问题，后来最终考虑还是采用节点，相比之下自动计算出来的tag可能很多情况下利用率不高。

huafang

2014-01-14 11:20:33 +08:00

@ryon wecenter 新版不错，我一直在期待

mactaew

2014-01-14 11:22:45 +08:00

@Livid 分词略有问题。

ayukun

2014-01-14 11:26:54 +08:00

和27楼想到一块了，放那里就挺好，还容易看见，刚刚找这个主题的表情费了好一会。可以考虑加淡彩

meteor2013

2014-01-14 11:27:32 +08:00 via iPhone

目前在iPhone 上看不到标签

dorentus

2014-01-14 11:32:42 +08:00

@ayukun
我明白了，自己的帖子，功能按钮，例如「追加内容」目前是放在那个位置的……
所以 Livid 才一开始就没考虑把 tag 放在那里吧

Livid

MOD

2014-01-14 11:37:46 +08:00

@dorentus 对，在一个主题刚发布的前 300 秒，那里会有 MOVE 和 EDIT 按钮。1800 秒之后，会有 APPEND 按钮。

Livid

MOD

2014-01-14 11:38:28 +08:00

@mopig 谢谢，这个问题已经解决。

xiaop

2014-01-14 11:47:33 +08:00

tag这个功能非常棒！如果能对tag做归类就更棒了

ayang23

2014-01-14 11:48:12 +08:00

jieba启动慢，费内存，貌似要在每个django线程里加载一份词典，简单的不如用mmseg

Mihuwa

2014-01-14 11:55:48 +08:00

很赞的功能。

SkyTodInfi

2014-01-14 11:55:49 +08:00

@livid 可以考虑有一个特定的标签库,毕竟tf-idf算出来的词比较杂乱,甚至一些是没有意义的

或者选定一些topic,包含一些特定的词语,文本只用jieba分词,打标签使用文本和topic之间的向量空间模型.

wwqgtxx

2014-01-14 12:04:39 +08:00 via Android

移动平台呢？

cbsw

2014-01-14 12:29:36 +08:00

需要对一些特殊情况专门处理吧，比如 http://www.v2ex.com/t/96764#reply12 这里内容几乎就是代码， tag 分析出来的只有 print,outer,local 这些没啥意义的词（PS：V2EX 内部链接是怎么写的来着？）

Sunya

2014-01-14 13:48:11 +08:00

放点击收藏那个 topic_buttons 区域会好点, 这样看起来会更让人觉得跟主题相关.

标签用自定义+分词相结合的会不会更好一点. 有些词未必已经收录了.

xiaop

2014-01-14 13:51:53 +08:00 via iPad

@SkyTodInfi 赞同

gihnius

2014-01-14 14:02:54 +08:00

觉得对主题内容做 tag 已经没有什么意义，因为可以 google.
而且, 打开 tag 之后你会看到很多看过的内容.

最好能对用户做 tag, 当然也是基于用户的内容, 这样其它用户可以根据某个用户的 tag 决定是否关注这个用户的内容.

mozii

2014-01-14 14:06:36 +08:00

@Livid dorentus 赞设计师的直觉。补充个理由：需要变迁基本会是在看完这篇帖子之后，所以出现在末尾是恰当的，标签相当于对该帖子的延伸、补充、互动（这岂不就是回复的实质？），从此点来看，放在回复的这个卡片里，在人们需要的时候进入视野，是好的设计。

mozii

2014-01-14 14:25:52 +08:00

变迁 == 标签

ipconfiger

2014-01-14 15:11:30 +08:00

@Livid
--------------------------
一个副作用就是，由于初始化过程比较慢，每次我们部署完新代码之后，你可能会看到大概 5 秒的 Bad Gateway 500。
--------------------------
这个应该是可以避免的吧

runninghack

2014-01-14 15:15:45 +08:00

可以分享一下词库和停词表吗？

rwx

2014-01-14 15:20:53 +08:00

类似首页的「最热节点」一样，放在屏幕的右侧，比如用户数据的下面，做成标签云
还能防止某个主题标签过多把样式撑破

sobigfish

2014-01-14 15:24:48 +08:00

会提供关注某些tag的功能么？
/tag/iOS

isaced

2014-01-14 15:31:38 +08:00

赞同27楼的换个位置～

xdata

2014-01-14 16:24:41 +08:00

标签能显示与该标签相关联的标签,按数量或拼写排序,并多重过滤么?

mimzy

2014-01-14 16:43:35 +08:00

没有回复的主题标签样式不太一样：

mopig

2014-01-14 17:24:53 +08:00

分词有硬伤啊～

xiaojay

2014-01-14 17:38:08 +08:00 via iPhone

期待根据tag来block

sobigfish

2014-01-14 17:38:45 +08:00

http://www.v2ex.com/tag/Mavericks

@Livid tag里面的帖子排序有点奇怪

Seita

2014-01-14 17:46:06 +08:00

tag 页不分页？

xiaoyustudio

2014-01-14 19:43:06 +08:00

传完图发现跟 27 楼想到一块去了...

Perry

2014-01-14 19:49:51 +08:00

我不得不说这个功能真的好给力！

Tianpu

2014-01-14 21:52:42 +08:00

觉得自动分的标签一点不好还不如不分虽然没有更好的思路

相信用户让用户自己输入标签呢？

geeklian

2014-01-14 21:55:16 +08:00

建议取消二手市场的tag...
我关注ipad，关注kindle，结果看到的都是二手的...

faceair

2014-01-14 21:55:29 +08:00

https://www.v2ex.com/t/97011#reply4

快人么。。

jiangrongyong

2014-01-15 00:32:15 +08:00

根据之前的理解，Topic和Tag应该是多对一的关系吧？现在是多对多么？

caomu

2014-01-15 00:35:32 +08:00

关于用户来打标签，可以扣财富值来打。
具体点，lz可以花100铜换掉一个已有的tag。然后，自动生成tag时，如果算出的关联度不高，就不要默认3个了（有时候就会出现不太对应的），这时候，如果tag没有满，那么其他会员可以用500铜打上个新tag。

ong

2014-01-15 01:47:13 +08:00

非常酷！Great Job!

xdata

2014-01-15 18:10:36 +08:00

话说 macbook air 与 ipad air 都被打上了air ...

ling0322

2014-01-18 09:09:13 +08:00 via Android

@Livid 有没有想过用主题模型，这个感觉效果要比关键字好呢

Reset

2014-01-19 16:41:47 +08:00

@Livid
发现如果访问不存在的标签会抛出异常
比如 /tag/手机

blakefan

2014-03-04 10:46:38 +08:00

这个功能主要就为新手设置的，觉得很好！