Question

给定一个句子列表，找到两个具有最多常用词的句子。常用词不需要位于句子中的相同位置（顺序无关紧要）。

谢谢！

更新

是否存在针对此问题的非成对算法？因为成对非常简单。

我的想法是使用倒排索引来存储这个单词出现的位置。这需要遍历每个句子中的每个单词。然后创建一个n * n 2D数组，用于计算两个句子在倒排索引中出现在同一个桶中的次数。

Answer 1

假设你有一系列句子：

String[] sentences

创建一些包含默认值的变量，以跟踪最常用单词的两个句子

sentence1Index = -1
sentence2Index = -1
maxCount = -1

对句子数组执行嵌套循环

for i : 0 -> sentences.length
    for j : 0 -> sentences.length

确保您没有查看相同的句子

  if i != j

用空格分割字符串（假设你将一些符号作为单词计算，通常会给你每个单词）

  String[] words1 = sentences[i].splitAt(" ")
  String[] words2 = sentences[j].splitAt(" ")

为此次运行创建临时计数值

  tempCount = 0

在两个单词数组之间循环（从你正在比较的两个句子中得到）

  for a : 0 -> words1 .length
      for b : 0 -> words2.length

如果单词相同，则增加临时计数

          if words[a] equal-to-ignore-case words[b]
              tempCount++

完成比较单词后，如果tempCount大于当前的maxCount，请更新跟踪您正在寻找的所有值

  if tempCount > maxCount
      sentence1Index = i
      sentence2Index = j
      maxCount = tempCount

返回新创建的两个句子

的数组

if sentence1Index != -1 and sentence2Index  != -1
    String[] retArray =   sentences[sentence1Index], sentences[sentence2Index ]
    return retArray

return null

所有伪代码：

String[] sentences
sentence1Index = -1
sentence2Index = -1
maxCount = -1

for i : 0 -> sentences.length
    for j : 0 -> sentences.length
      if i != j
          String[] words1 = sentences[i].splitAt(" ")
          String[] words2 = sentences[j].splitAt(" ")
          tempCount = 0
          for a : 0 -> words1 .length
              for b : 0 -> words2.length
                  if words[a] equal-to-ignore-case words[b]
                      tempCount++
          if tempCount > maxCount
              sentence1Index = i
              sentence2Index = j
              maxCount = tempCount

if sentence1Index != -1 and sentence2Index  != -1
    String[] retArray =   sentences[sentence1Index], sentences[sentence2Index ]
    return retArray

return null

Answer 2

首先，您需要一种方法，该方法将采用两个句子并确定它们共有多少个单词。这可以通过将两个句子作为输入给出，并从中创建两个包含按字母顺序排列的单词的数组。然后你可以检查两个数组，向前推进前面按字母顺序排列的任何数组（所以如果当前的匹配是“算盘”和“书”，你会将“算盘”移到下一个单词）。如果您有匹配（“book”和“book”），则增加匹配单词的数量，并将两个数组移动到下一个单词。你继续这样做，直到你到达其中一个数组的末尾（因为另一个数组中的其余单词不会有任何匹配）。

实现此算法后，您将需要一个如下所示的循环：

for (i = 0; i < sentenceCount - 1; i++) {
    for (j = i+1; j < sentenceCount; j++) {
    }
}

在循环内部，您将调用您的函数，该函数使用索引i和j处的句子计算共同的单词数。您将跟踪到目前为止看到的最常见的单词数，以及发现它的两个单词。如果一个新句子具有更多共同的单词，您将存储该计数和产生该计数的两个句子。最后，你将拥有你想要的两个句子。

如何找到两个常用词数最多的句子？

2 个答案: