如何在 Java 中找到一个单词的 N 克？答案

【问题标题】：How to find N grams of a word in Java?如何在 Java 中找到一个单词的 N 克？
【发布时间】：2014-04-21 21:15:15
【问题描述】：

例如，如果输入为“name”，minGram 为 1，maxGramSize 为 2，则输出将由 n,a,m,e,na,am,me 组成。如果 minGram=2, maxGram=4 inputWord=name, output = na,am,me,nam,ame,name。

函数签名可以是这样的：

public List<String> generateNGrams(String input, int minGramSize, int maxGramSize)

最初我尝试使用 for 循环来执行此操作，但我发现很难遵循索引。然后我尝试使用笔和纸的递归来解决它，但我仍在努力解决它。有人可以帮我弄这个吗？

【问题讨论】：

这听起来用 for 循环而不是递归来解决它会更自然。如果您发布到目前为止您尝试过的代码，那么您会更容易看到哪里出错了:)
这样做是为了自学还是为了生产？在后一种情况下，请查看lucene.apache.org/core/3_0_3/api/all/org/apache/lucene/analysis/…
@Drunix 教育自己，而不是生产。我想在没有库的情况下解决它。不过感谢您的链接。
然后听从动画师的建议，展示你的尝试。
提示：根据您尝试执行的操作，如果您实施文本搜索：不要将所有 n-gram 显式创建到列表中。最好实现一种算法，该算法在文本上滑动q-window，计算每个 q-gram 上的一些哈希，并将这些输入到静态大小的位数组（“bloom 过滤器”）中。由于无论如何您都必须对候选人进行精确比较，这应该会导致更有效的文本检索。

标签： java string algorithm loops recursion

【解决方案1】：

一种解决方案：

private static void addNgrams(final int size, final String input, 
    final List<String> list)
{
    final int maxStartIndex = input.length() - size;
    for (int i = 0; i < maxStartIndex; i++)
        list.add(input.stubString(i, i + size));
}

public List<String> generateNGrams(final String input, final int minSize, 
    final int maxSize)
{
    final List<String> ret = new ArrayList<>();
    for (int size = minSize; size <= maxSize; size++)
        addNgrams(size, input, ret);
    return ret;
}

注意：缺少基本的错误检查（例如，maxSize 大于input 的大小；minSize 大于maxSize；其他）；留作练习。

【讨论】：

【解决方案2】：

这是一个递归生成 nGram 的程序：此代码还处理尾部gram。

import java.util.ArrayList;

  public class NGrams {

  ArrayList<String> nGrams = new ArrayList<String>();

  public void generateNGrams(String str, int n) {

    if (str.length() == n ) {
        int counter = 0;
        while (counter < n) {
          nGrams.add(str.substring(counter));
          counter++;
        }
        return;
    }

    int counter = 0;
    String gram = "";
    while (counter < n) {
        gram += str.charAt(counter);
        counter++;
    }
    nGrams.add(gram);
    generateNGrams(str.substring(1), n);
  }

  public void printNGrams() {
    for (String str : nGrams) {
        System.out.println(str);
    }
  }

  public static void main(String[] args) {
    NGrams ng = new NGrams();
    ng.generateNGrams("hello world", 3);
    ng.printNGrams();

  }

}

输出：

hel
ell
llo
lo 
o w
 wo
wor
orl
rld
ld
d

【讨论】：