Question

我想在段落中创建一个单词地图。例如;我的字符串是“去面包约翰昨天去的是音乐音乐......”。该字符串中的单词map：music = 2，go = 2，bread = 1，John = 1，yesterday = 1。单词后缀将被视为一个共同的根。（例如音乐=音乐）。我用C＃编写这个主题怎么样？

Answer 1

关于后缀，这只是查找s，您可以修改以查找其他后缀。

string words = "go bread John yesterday going is music musics";
List<string> wordroots = words.Split(new [] {" "}, StringSplitOptions.RemoveEmptyEntries).ToList();
var rootcount = wordroots
    .Select(wr =>
    {
        if (wr.EndsWith("s"))
            wr = wr.Substring(0, wr.Length - 1);
        return wr;
    })
    .GroupBy(g => g);

foreach (var group in rootcount)
    Console.WriteLine(string.Format("Found word: {0} {1} times.", group.Key, group.Count()));

Answer 2

您可以先将所有复数形式转换为单个（或复数）形式，您可以决定，但要保持一致，以便音乐=音乐。这并不难，因为有C＃代码来获取复数形式，例如参见post。

然后您可以创建字典：

Dictionary<string, int> data=new Dictionary<string, int>();
foreach(string item in YourInputs)
{
    if(data.ContainsKey(item)
         data[item]++;
    else
         data.Add(item, 1);
}

Answer 3

您首先需要一个词干库。 Snowball建议this这个主题似乎是一个很好的起点。

即使使用词干分析器，您无疑会从一篇小文章中获得相当大量的单词列表，因此跟踪所有这些内容的最佳选择可能是SQL数据库。但是，如果您只是暂时需要跟踪这些值，那么简单的字符串表可能就可以了。

在c＃中查找段落中最常重复的单词

3 个答案: