問題タブ [tagging]

100万個のタグのセットと、これらのタグおよび場合によっては新しいタグを解析する必要のあるテキストがあるとします。ここでのタグの数は、私の思考の問題を説明するための単なる例です。線形にループするには多すぎ、メモリに保持するには多すぎます。

どういうわけか、フットプリントが小さい（そしてスピーディーなままの）ソリューションを考えることはできません。トレードオフを予想する必要があることは承知していますが、いくつかの概念を見落としていると思います。

適用されたタグはテキスト自体の一部ではない可能性があるため、これはインテリジェントなタグ付け（ "Michael Jackson" = "artist"など）にとって特に興味深いものです。

単語のブラックリスト、人気のあるタグのキャッシュ、巨大なSQLクエリを実行する以外に、これに取り組む最も効果的な方法は何でしょうか。

（おかしなことに、この質問に自分でタグを付ける必要があります:-)）

コメントスペースに限りがあるので、ここにいくつかの考えを追加しましょう。

• 整数ハッシュを使用すると速度が向上することに同意します。良いアイデア。
• ハッシュは反復の問題を解決しません（タグのリストに対して単語または単語の組み合わせをチェックしながら、各ハッシュ/タグをループします）
• 問題を改善するには：「helloworld」のようなテキストを想定します。このテキストには、3つの潜在的なタグ（ "hello"、 "world"、 "hello world"）があります。タグリストには「hello」のみが含まれる場合がありますが、解析後に「world」または「hello world」が追加される場合があります。これは、これらのタグがテキストに適用されないことを意味します。

問題：

• 本のサイズのテキストを想定し、すべての組み合わせ（「ナイン・インチ・ネイルズ」などですが、組み合わせの制限が4ワードであると仮定します）を繰り返してデータベース内のタグと比較するには、整数のハッシュを使用する場合でも、長い時間がかかります。
• タグリストは潜在的に長いため、保存されているタグの反復処理もおそらく遅くなります。
• タグの更新は、テキストの追加の全文検索を意味します-テキストの量とその長さに応じて、それは潜在的にデシベルキラーであり、まったく効率的ではありませんか？
• 「関連する」新しいタグを自動的に見つけるにはどうすればよいでしょうか。（ここでも、音楽に関する記事で「ナイン・インチ・ネイルズ」が思い浮かびますが、「新曲をリリースした」というのは良いタグにはなりません）。それはおそらくそれ自体の質問です。

リポジトリトランクにはunit-tests、リリースタグから除外したいディレクトリがあります。私がやっていることは、トランクを新しいタグにコピーしてから、を削除することunit-testsです。これで大丈夫ですか？すべてのリリースにタグを付けるには2つのリビジョンが必要なため、違和感があります。svnコピーからディレクトリを除外する方法はありますか？

例：

そして私は作成したい：

私は通常Tortoise/Eclipseクライアントを使用しますが、必要に応じてCLIを使用することもできます。

誰もがすべてのアイテムにタグを追加/削除できるが、それでもスパム/タグ破壊行為からアイテムを保護できるシステムを実装するにはどうすればよいですか？おそらく、各人がアイテムにタグ付けするタグを保存してから、どういうわけかアイテムの集約/「トップ」タグを考え出す必要があると思います。

Slashdotにはこのようなタグ付けシステムがあると思います---彼らのタグ付けシステムはどの程度正確に機能しますか？それについてのドキュメントはあまりないようです。

マネージャーから、プロジェクトのビルド自動化をセットアップするように依頼されました。私は継続的インテグレーション サーバーとして CruiseControl.Net を使用することに決めました。他のチーム メンバーは経験がほとんどなく、私には経験がありません。そのため、このタスクを喜んで引き受けます。

Subversion をリポジトリとして使用しており、最終的な目標は、プロジェクトがタグ付けされるたびにビルドをインスタンス化することです。たとえば、次のようになります。

svn://svn/tags/ProjectX/ に svn://svn/tags/ProjectX/JulyCheckPoint などのフォルダーを追加すると、新しく追加されたタグ (svn://svn/tags/ProjectX/JulyCheckPoint) がローカル ディレクトリにチェックアウトされます。 (D:\temp\tags\ProjectX\JulyCheckPoint) を実行し、nant ファイル (D:\temp\tags\ProjectX\JulyCheckPoint\nant.build) を実行します。

CruiseControl が svn://svn/tags/ProjectX/ の変更を監視できることは知っていますが、最新のタグをビルド サーバーのローカル ディスクにチェックアウトし、その中で nant.build を実行する方法がわかりません。最新のタグの名前がわかりません。私は少しグーグルで調べましたが、svn post-commit フックは私が調べるべきものかもしれないと信じています。

詳細や説明が必要な場合はお知らせください。ガイダンス/アドバイスをいただければ幸いです。

乾杯。

,Web ページにタグ フィールドがあり、StackOverflow で行ったのと同じように、ユーザーはタグを (カンマ) で区切って入力できます。私はPHPを使用しており、爆発関数を使用してコンマに基づいてユーザーが入力したすべてのタグを分離し、それらをデータベースのタグテーブルに追加しています。

私のコードは、ユーザーが入力した場合は正常に機能しますが、ユーザーが入力しbattleship, strategy, sea warたbattleship, strategy, sea war,かbattleship, strategy, games, sea war, , , , ,、またはbattleship, strategy, games,, sea war間違った値を入力した場合、それを検出してデータベースに正しい値のみを入力する方法を教えてください。

regExp やその他の方法を使用することは可能ですか?方法を教えてください。

CVS では、そこに複数のディレクトリを持つプロジェクトがあります。ナイトリー ビルドをビルドするために、同じ CVS プロジェクト内の別のディレクトリから何かを取得する必要があるナイトリー ビルドがあります。そのため、SVN に移行する場合はビルド スクリプトを変更して、さまざまなリポジトリからチェックアウトする必要があります。

関連する SVN QA を読みましたが、回答が必要な独自の質問があります。
できます：

私たちが開発するものはすべて /trunk から出てきて、私たちが変更しないサードパーティは /3rdparty に行きます。

これで、ナイトリー ビルド スクリプトはトランクにタグを付け、タグをチェックアウトし、必要なサードパーティのものを適切なディレクトリにチェックアウトしてから、ビルド プロセスを開始する必要があります。
ビルド結果 (コンパイル済みのもの) は、NFS マウントに一定期間保持されるため、統合チームは 2 週間前に戻って問題を再現できます。

私の拠点はすべてカバーされていますか？

私は何千もの似たような人、物、場所、物を含む非常に大きな写真ギャラリーを持っています. 写真に写っている人々の大半は、自分のユーザー アカウントと一致するアバター写真を持っています。また、各写真で利用可能な追加データに基づいて、写真に写っている可能性のある人物の論理的な短いリストもあります。ユーザーが友人や知り合いの写真にタグを付けることができるようにしていますが、自動化されたプロセスの方が優れています。

Facebookの写真と統合するface.comの写真タガー/ファインダーを使用しました.個人アルバム用のGoogle Picasa写真タガーも同じことを行い、まさに私が探しているものです.

PHP スクリプト、Google Picasa の API、face.com またはその他の認識サービス、またはサーバー側の顔認識および/または類似性による写真のグループ化を提供するその他のオープン ソース プロジェクトはありますか?

例:ご覧のとおり、さまざまな写真共有サイトがこの機能を提供していますが、自分のサーバーに保存されている画像の API や、自分のギャラリーやタグ付けシステムにリンクするのに十分な拡張機能を提供するサイトはありますか?

• viewdle - ビデオの顔認識/タグ付け
• PHP - 純粋な PHP での顔検出
• Xarg
• OpenCV
• Face.com - Facebook で写真を検索してタグ付けするためのアプリ
• Google Picasa - 写真共有
• TeraSnaps - 写真共有サイト
• Google ポートレート- Google 画像検索結果からの写真のグループ化
• FaceOnIt - ビデオ顔認識
• PittPatt - 検出、認識、ビデオ顔マイニング
• ベータフェイス
• ChaosFace - リアルタイム顔検出器

テキストエリアを使用して値をコンマで区切って取得し、それらを配列に配置する方法を探しています。

本当に私はテキストエリアを自動フォーマットする方法を探しているので、ユーザーがテキストエリアに何かを入力すると、強制的にまたはコンマが壊れます。オートコンプリートを使用したいのですが、これは新規ユーザーのサインアップになるため、確認するデータがありません。

最善のアプローチは何ですか？

フリーフォームのフォークソノミーシステム用に送信されたタグの値をチェックするための正規表現を作成しようとしています。これが私が今持っているものです。

ハイフン、バックスラッシュ、スラッシュ、az、AZ、0-9、ピリオド、アンダースコア、アットマーク、一重引用符を許可し、その他はすべて禁止します。

否定された文字クラスがこれを進める方法だと確信しています...

ただし、上記のコードでは他の文字 (+ など) が許可されているようですが、その理由はわかりません。また、補足として、SQL インジェクションを誤って許可しないようにしているのかどうかはわかりません。任意のヒント？

ドキュメントにキーワードをタグ付けする必要があるプロジェクトに取り組み始めましたが、手動でタグ付けするのは非常に難しく、時間がかかります (特に数千のドキュメントがある場合)。そのため、プロセスを自動化することを計画しています (結果が完全ではないことはわかっていますが、少なくともいくつかの提案されたタグが表示されます)。最新のFirefoxバージョンでは、このようなシステムが実装されています（ページをブックマークすると、いくつかのタグが提案されます）.

yahooの用語抽出サービスも良い例です

したがって、誰かがこの問題を回避するのを手伝ってくれるなら、本当に助けていただければ幸いです. または、誰かが Firefox のタグ付けシステムについて知っていれば、少し助けになるでしょう。