跳过 Java 字符串中的 Bi-grams（比较两个句子）

Question

我需要帮助才能用 Java 中的 String 来做这件事。 对我来说最好的解释方式是使用示例。

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

句子 #1：“我喜欢青苹果。” 句子#2：“我喜欢红苹果。”

此外，还有一个名为“距离”的变量，用于获取单词之间的距离。 （目前不是很重要）

结果

使用距离为 3 从句子#1 中提取的跳过二元组将是：

{我爱}，{我绿}，{我苹果}，{爱绿}，{爱苹果}，{青苹果}

（共 6 个二元组）

使用距离为 3 从句子#2 中提取的跳过二元组将是：

{我爱}，{我红}，{我苹果}，{爱红}，{爱苹果}，{红苹果}

（共 6 个二元组）

---

到目前为止，我一直在考虑使用 String[] 来放置拆分字符串句子。

所以我的问题是，从句子中提取这些二元组的代码是什么？

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)));
    }
}