Question

我正在尝试从一组单词中提取bi-gram并将它们存储在矩阵中。我想要的是在第一个原始词和与该词相关的所有二维词中插入单词

例如：如果我有以下字符串'数据库文件那里'我的输出应该是：

database   file  there
da         fi    th
at         il    he
ta         le    er
ab               re
..

我试过这个但它只给了我没有原始单词的二元组

collection = fileread('e:\m.txt');
collection = regexprep(collection,'<.*?>','');
collection = lower(collection);
collection = regexprep(collection,'\W',' ');
collection = strtrim(regexprep(collection,'\s*',' '));
temp = regexprep(collection,' ',''',''');
eval(['words = {''',temp,'''};']);

word = char(words(1));
word2 =  regexp(word, sprintf('\\w{1,%d}', 1), 'match');     
bi = cellfun(@(x,y) [x '' y], word2(1:end-1)', word2(2:end)','un',0);

这仅适用于第一个单词，但我想对“单词”矩阵中的每个单词执行此操作1X1000

有没有一种有效的方法来实现这一点，因为我将处理大约100万字？

我是Matlab的新手，如果有任何资源可以解释如何处理矩阵（更新元素，删除，......）会有所帮助

的问候，阿什拉夫

Answer 1

如果您希望将单元格数组作为输出，这可能对您有用 -

input_str = 'database file there' %// input

str1_split = regexp(input_str,'\s','Split'); %// split words into cells
NW = numel(str1_split); %// number of words
char_arr1 = char(str1_split'); %//' convert split cells into a char array
ind1 = bsxfun(@plus,[1:NW*2]',[0:size(char_arr1,2)-2]*NW); %//' get indices
                                           %// to be used for indexing into char array
t1 = reshape(char_arr1(ind1),NW,2,[]);
t2 = reshape(permute(t1,[2 1 3]),2,[])'; %//' char array with rows for each pair

out = reshape(mat2cell(t2,ones(1,size(t2,1)),2),NW,[])'; %//'
out(reshape(any(t2==' ',2),NW,[])')={''}; %//' Use only paired-elements cells
out = [str1_split ; out] %// output

代码输出 -

input_str =
database file there

out = 
    'database'    'file'    'there'
    'da'          'fi'      'th'   
    'at'          'il'      'he'   
    'ta'          'le'      'er'   
    'ab'          ''        're'   
    'ba'          ''        ''     
    'as'          ''        ''     
    'se'          ''        ''

在Matlab中更新N-gram 2维单元数组

1 个答案: