根据关键字选择要剪切的文本部分的最佳方法是什么？

Question

当您在Stackoverflow中搜索某些内容时，它会删除最符合您条件的问题描述部分，之后会标记标准字。

我想知道在C＃中手动执行此操作的最佳方式，这意味着没有全文搜索引擎的帮助。

主要问题是如何快速选择最佳文字部分？

到目前为止我所做的是：

  

  
1. 我获取了文本的空间索引。这让我知道了   单词开始，以便我可以开始我的   来自他们的子串测试。
  
2. 从每个空间索引中，我提前300个字符并测试如何   很多关键字I出现   找到。
  
3. 我假设有300个字符长的部分最多   发生是最好的，所以我从原始文本中删除它。
  

这是一个好方法吗？有更快的方法吗？计算出现次数是找到最相关部分的最佳方法吗？

Answer 1

使用此方法，您通常会在匹配开头或结尾附近找到与关键字匹配的最佳匹配，这意味着您不会为这些关键字提供太多上下文。我会添加一个额外条件，即匹配开头和结尾附近的关键字两边必须有n个单词。

您可以考虑在更方便的地方打破匹配，例如标点符号或连词而不是空格。

您可能还想查看 term frequency - inverse document frequency ，为关键字赋予不同的权重，而不仅仅计算它们。