Tidsmaskinen startad

En ny funktion på Blogwalk: tidsmaskinen! Med den kan du resa tillbaka i tiden och (åter)upptäcka händelser som omtalats i bloggvärlden. Vecka 16 (22 april) är den bortre gränsen.

Eftersom inläggen tas fram automatiskt finns det en stor risk att många viktiga händelser missas. Men jag är själv imponerad att en så enkel algoritm kan åstadkomma detta. (Förvisso kan jag plocka bort inlägg som inte hör ihop, men det första urvalet görs av skriptet.)

För den vetgirige använder jag en k nearest neighbour-algoritm och mäter "avståndet" mellan inlägg genom att plocka ut nyckelord och göra en mySQL-fulltext-sökning med dem. Enkelt och smidigt.

Uppdatering: Jag måste tillstå att algoritmen gör ett ganska dåligt jobb på förra veckan. Attentatet i London missas helt. Trots en justering av algoritmen snappar den inte upp någonting... Får se om jag lyckas förbättra den ännu mer.