我是数据科学的新手。这可能是一个愚蠢的问题，但只想了解意见并确认我是否可以很好地加以完善。 我有一个问题，要从数据库中获取最常见/最常见的5个句子。我知道我可以将所有数据（句子）收集到一个列表中并使用Counter库-我可以提取出现次数最多的5个句子，但是我很想知道是否有任何算法（ML / DL / NLP）存在需求。所有的句子都是由用户给出的。我需要知道他的前5个（最常出现/最频繁）的句子（请不要说短语）！
句子示例-
“欢迎来到极客世界”
“创建此门户是为了提供写得很好的主题”
“如果您喜欢Geeks for Geeks并愿意做出贡献”
”为geeksforgeeks org贡献力量看到您的文章出现在“
”为geeksforgeeks org贡献力量查看您的文章出现在“（第二次出现）
“ Geeks for Geeks主页，并帮助成千上万的其他Geeks。”
注意：我在数据库中的所有句子都是不同的（在上下文上明智，也没有重复）。这只是我的要求的一个例子。
谢谢。
答案 0 :(得分：0)
我建议您从sentence embeddings开始。简要地说，它返回给定句子的向量，并大致表示句子的含义。
假设您在数据库中有n个句子，并且发现每个句子的句子嵌入，所以现在您有n个向量。
一旦有了向量，就可以使用降维技术，例如t-sne，以二维或3维形式显示句子。在这种可视化中，具有相似含义的句子应该理想地彼此接近。这可以帮助您查明最常用的句子，它们的含义也很接近。
我认为一个问题是，由于意义本质上是主观的，所以仍然很难为句子的意义划清界限。您可能必须在上述过程中添加一些启发式方法。
答案 1 :(得分：0)
除了MGoksu的答案外，一旦获得句子嵌入，就可以应用LSH（局部敏感哈希）将嵌入分组为簇。
一旦获得嵌入簇。要获得具有最多矢量数量的聚类，将是微不足道的。