Skip Bi-grams in Java String（比较两个句子）

Question

我需要帮助才能使用 Java 中的字符串来完成这件事。对我来说最好的解释方法是使用示例。

所以，我想从两个句子（用户输入）中提取skip bi-grams，然后能够在相似性方面相互比较。

第 1 句："I love green apples." 句子#2："I love red apples."

此外，还有一个名为"distance"的变量，用于获取单词之间的距离。（暂时不是很重要）

结果

使用3距离从句子#1中提取的skip bi-grams将是：

{我爱}、{我爱绿}、{我爱苹果}、{爱绿}、{爱苹果}、{绿苹果}

（共 6 个二元语法）

从句子 #2 中使用 距离 3 提取的 skip bi-grams 将是：

{我爱}，{我红}，{我苹果}，{爱红}，{爱苹果}，{红苹果}

（共 6 个二元语法）

到目前为止，我一直在考虑使用 String[] 来拆分 String 句子。

所以我的问题是，从句子中提取这些二元语法的代码是什么？

提前致谢！

Answer 1

基本上，您想从一个单词的句子中找到所有唯一的两个单词组合。

这是一个涉及 ArrayList 的解决方案：

import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;

public class Test {
    public static String[][] skipBigrams(String input) {
        String[] tokens = input.replaceAll("[^a-zA-Z ]", "").split("\s+");
        return skipBigrams(tokens);
    }

    private static String[][] skipBigrams(String[] tokens) {
        List<String[]> bigrams = new ArrayList<>();
        for (int i = 0; i < tokens.length; i++) {
            for (int j = i + 1; j < tokens.length; j++) {
                bigrams.add(new String[]{tokens[i], tokens[j]});
            }
        }
        String[][] result = new String[bigrams.size()][2];
        result = bigrams.toArray(result);
        return result;
    }

    public static void main(String[] args) {
        String s1 = "I love green apples.";
        System.out.println(Arrays.deepToString(skipBigrams(s1)));
    }
}

Skip Bi-grams in Java String（比较两个句子）

Skip Bi-grams in Java String (Compare two sentences)

java

string

compare

string-comparison

sentence