Question

我正在使用Octave / Matlab创建MinHash和LSH。但是我想从给定的文档中获取一个k大小的带状组合（单元格数组或数组），我不知道该怎么做。

我现在拥有的是这个简单的代码：

doc = fopen(document);
i = 1;
while (! feof(doc) )
  txt{i} = strread(fgetl(doc), '%s');
  i++;
endwhile
fclose(doc);

这将创建一个单元格数组，其中包含文档每行的所有单词，这是我正在尝试执行的函数的参数。

Answer 1

这段代码可以解决问题。它从单元格数组中读取并创建指定大小的带状疱疹（n-gram）。

function S = shingles(txt, shingle_size)
  l = size(txt)(2) - shingle_size + 1;
  for i = 1:l
    t='';
    for j = i:(i + shingle_size - 2)
      t = strcat(t,txt{j},' ');
    end
    t = strcat(t, txt{i + shingle_size - 1});
    S{i} = t;
  end

您可以使用以下示例测试代码：

txt={'a','b','c'}
shingles(txt, 2)
S =
{
  [1,1] = ab
  [1,2] = bc
}

从文本文件（八度）创建一组带状疱疹

1 个答案: