Loheide-eu-mitarbeiterplatt.../app/Ask/Keywords.php
Friederich Loheide 3addc09c38
All checks were successful
CI / PHP 8.3 / mariadb:10.6 (pull_request) Has been skipped
CI / PHP 8.4 / mariadb:10.6 (pull_request) Has been skipped
CI / PHP 8.3 / mariadb:11.4 (pull_request) Has been skipped
CI / PHP 8.4 / mariadb:11.4 (pull_request) Has been skipped
CI / PHP 8.3 / mysql:8.0 (pull_request) Has been skipped
CI / PHP 8.4 / mysql:8.0 (pull_request) Has been skipped
CI / PHP 8.3 / mysql:8.4 (pull_request) Has been skipped
CI / PHP 8.4 / mysql:8.4 (pull_request) Has been skipped
CI / Browser-Tests (pull_request) Successful in 8m33s
CI / Bekannte Sicherheitslücken in Paketen (pull_request) Successful in 9m8s
CI / PHP 8.3 / mysql:8.4-1 (pull_request) Successful in 17m55s
CI / Build-Artefakte aktuell (pull_request) Successful in 9m50s
Frag das Portal durchsucht alles, neue Demo-Inhalte (0.66.0)
- Wissensquellen: Termine, Downloads, Formulare, Stellen, Ideen, Umfragen,
  Personen, eigene IT-Tickets/Geräte (OpenNIT, je Anfrage zwischengespeichert)
- Ranking mit IDF, Abfrage je Begriff, Abkürzungen als ganze Wörter,
  LIKE unabhängig von Groß-/Kleinschreibung (JSON-Spalten), Datum im Prompt
- Demo-Inhalte für einen Träger der Eingliederungshilfe (DemoData),
  mehrseitige PDFs, vorhandene Inhalte je Bereich entfernen

Co-Authored-By: Claude Opus 5.5 (1M context) <noreply@anthropic.com>
2026-10-07 20:01:00 +00:00

81 lines
4 KiB
PHP
Raw Permalink Blame History

This file contains ambiguous Unicode characters

This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

<?php
namespace App\Ask;
/**
* Suchbegriffe aus einer Frage in Alltagssprache: Füllwörter raus, Endungen grob
* abschneiden („beantrage“ findet „beantragt“ und „Beantragung“), höchstens acht.
*/
class Keywords
{
public const MAX = 8;
private const STOPWORDS = [
'aber', 'alle', 'allem', 'allen', 'aller', 'alles', 'also', 'als', 'am', 'an', 'auch', 'auf', 'aus', 'bei', 'beim', 'bin', 'bis',
'bitte', 'bist', 'da', 'dabei', 'dafür', 'dann', 'darf', 'darüber', 'das', 'dass', 'dazu', 'dein', 'deine', 'dem', 'den', 'denn',
'der', 'des', 'dich', 'die', 'dies', 'diese', 'diesem', 'diesen', 'dieser', 'doch', 'dort', 'du', 'durch', 'ein', 'eine', 'einem',
'einen', 'einer', 'eines', 'er', 'es', 'etwas', 'euch', 'für', 'gibt', 'gilt', 'habe', 'haben', 'hat', 'hier', 'ich', 'ihr', 'ihre',
'im', 'in', 'ist', 'ja', 'jetzt', 'kann', 'kannst', 'kein', 'keine', 'können', 'man', 'mein', 'meine', 'meinem', 'meinen', 'meiner',
'mich', 'mir', 'mit', 'muss', 'musst', 'müssen', 'nach', 'nicht', 'noch', 'nur', 'ob', 'oder', 'ohne', 'schon', 'sein', 'seine',
'sich', 'sie', 'sind', 'so', 'soll', 'sollte', 'über', 'um', 'und', 'uns', 'unser', 'unsere', 'unter', 'vom', 'von', 'vor', 'war',
'was', 'weiß', 'welche', 'welchem', 'welchen', 'welcher', 'welches', 'wem', 'wen', 'wenn', 'wer', 'werde', 'werden', 'wie', 'wieso',
'wieviel', 'wieviele', 'viel', 'viele', 'wir', 'wird', 'wo', 'woher', 'wohin', 'wann', 'warum', 'weshalb', 'zu', 'zum', 'zur',
'gerne', 'genau', 'eigentlich', 'immer', 'mal', 'mehr', 'sehr', 'einfach', 'bekomme', 'bekommen', 'machen', 'mache', 'finde',
'finden', 'gehen', 'geht', 'brauche', 'brauchen', 'stelle', 'wissen', 'frage', 'fragen', 'hallo', 'danke', 'portal',
'bedeutet', 'bedeutung', 'heißt', 'tun', 'nächste', 'nächsten', 'nächster', 'letzte', 'letzten', 'sagen', 'erkläre', 'erklären',
'kriege', 'kriegen', 'eigentlich', 'irgendwie', 'jemand', 'jemanden', 'etwa', 'gerade', 'heute', 'morgen',
];
/** Endungen, die abgeschnitten werden (längste zuerst), solange mindestens vier Zeichen bleiben */
private const ENDINGS = ['ungen', 'ung', 'en', 'er', 'es', 'e', 'n', 's'];
/**
* @return list<string>
*/
public static function from(string $question): array
{
$original = preg_split('/[^\p{L}\p{N}-]+/u', $question, -1, PREG_SPLIT_NO_EMPTY) ?: [];
$terms = [];
foreach ($original as $raw) {
$word = mb_strtolower(trim($raw, '-'));
// Kurze Abkürzungen in Großbuchstaben zählen („IT“, „QM“, „BW“) – sonst erst ab drei Zeichen
$abbreviation = mb_strlen($word) === 2 && preg_match('/^\p{Lu}{2}$/u', trim($raw, '-'));
if ((mb_strlen($word) < 3 && ! $abbreviation) || in_array($word, self::STOPWORDS, true)) {
continue;
}
$terms[] = self::stem($word);
// „MAV-Wahl“ findet auch „Wahl der MAV“
if (str_contains($word, '-')) {
foreach (explode('-', trim($raw, '-')) as $part) {
if ((mb_strlen($part) >= 3 || preg_match('/^\p{Lu}{2}$/u', $part)) && ! in_array(mb_strtolower($part), self::STOPWORDS, true)) {
$part = mb_strtolower($part);
$terms[] = self::stem($part);
}
}
}
}
return array_slice(array_values(array_unique($terms)), 0, self::MAX);
}
public static function stem(string $word): string
{
// Abkürzungen und Zahlen (z. B. „MAV“, „2026“) unverändert lassen
if (mb_strlen($word) <= 4 || preg_match('/\d/u', $word)) {
return $word;
}
foreach (self::ENDINGS as $ending) {
if (str_ends_with($word, $ending) && mb_strlen($word) - mb_strlen($ending) >= 4) {
return mb_substr($word, 0, mb_strlen($word) - mb_strlen($ending));
}
}
return $word;
}
}