从单词列表的列表中查找唯一的例句

Question

我有一个 3000 个（大部分是唯一的）单词的列表，按它们在英语中的频率排序。我还有一个包含 3000 个独特句子的列表。理想情况下，我想使用 Python 为每个单词生成一个例句列表。因此，每个单词都会有一个句子，其中包含该单词，并与之配对。但是没有一个句子应该与一个以上的单词配对，也没有一个单词应该与一个以上的句子相关联。

但这里有一个问题，这是一个混乱的数据集，很多单词会出现在一个以上的句子中，有些单词只会出现在一个句子中，而很多单词不会出现在任何句子中。所以我不会得到我理想的结果。相反，我想要的是一个与单词匹配的句子数量最多的最佳列表。然后是被省略的句子列表。此外，理想情况下，排序列表应该更喜欢为低频词而不是高频词找到句子。 （因为它会更容易返回并找到更高频率单词的替换句子。）

这里有一个简短的例子来帮助澄清：

words = ["the", "cat", "dog", "fish", "runs"]
sentences = ["the dog and cat are friends", "the dog runs all the time", "the dog eats fish", "I love to eat fish", "Granola is yummy too"]
output = ["", "the dog and cat are friends", "the dog eats fish", "I love to eat fish", "the dog runs all the time"]
omitted = ["Granola is yummy too"]

如你所见：

• “Granola is yummy too”被省略了，因为它不包含任何单词。
• “the dog and cat are friends”与“cat”匹配，因为它是唯一包含“cat”的句子
• “the dog runs all time”与“runs”匹配，因为它是唯一包含“runs”的句子
• “the dog eats fish”与“dog”匹配，因为“dog”在英文中的出现频率低于“the”
• “I love to eat fish”与“fish”匹配，因为已经使用了唯一带有“fish”的句子
• “the”没有任何与之匹配的句子

我什至不知道从哪里开始为此编写代码。 （我是一名语言学家，只涉足编码，而不是专业的编码员。）所以任何帮助将不胜感激！

Answer 1

...从哪里开始...

这是一种没有任何优化尝试的幼稚方法。

• 用单词作为键和值的列表创建一个字典

  • {'word1':[], 'word2':[], ...}  
    

• 对于字典中的每个项目
  • 如果单词在句子中，则遍历句子并将句子附加到项目列表中

---

或许：

• 组词
• 制作一个空字典
• 对于每个句子
  • 找到句子中的单词与单词集的交集
  • 使用句子作为键，交集作为值，将项目添加到字典中