पाठ से कीफ्रेज़ निकालें (1-4 शब्द ngrams)

Question

टेक्स्ट के ब्लॉक से कीफ्रेज़ निकालने का सबसे अच्छा तरीका क्या है? मैं कीवर्ड निष्कर्षण करने के लिए एक उपकरण लिख रहा हूं: something like this। मुझे पाइथन और पर्ल के लिए एन-ग्राम निकालने के लिए कुछ पुस्तकालय मिल गए हैं, लेकिन मैं इसे नोड में लिख रहा हूं इसलिए मुझे जावास्क्रिप्ट समाधान की आवश्यकता है। यदि कोई मौजूदा जावास्क्रिप्ट पुस्तकालय नहीं है, तो क्या कोई यह बता सकता है कि ऐसा कैसे करें ताकि मैं इसे स्वयं लिख सकूं?

Answer 1

मैं विचार पसंद है, इसलिए मैं इसे लागू किया गया है: नीचे देखें (वर्णनात्मक टिप्पणियां शामिल हैं)।
पूर्वावलोकन पर: http://fiddle.jshell.net/WsKMx/

/*@author Rob W, created on 16-17 September 2011, on request for Stackoverflow (http://stackoverflow.com/q/7085454/938089) 
* Modified on 17 juli 2012, fixed IE bug by replacing [,] with [null] 
* This script will calculate words. For the simplicity and efficiency, 
* there's only one loop through a block of text. 
* A 100% accuracy requires much more computing power, which is usually unnecessary 
**/ 


var text = "A quick brown fox jumps over the lazy old bartender who said 'Hi!' as a response to the visitor who presumably assaulted the maid's brother, because he didn't pay his debts in time. In time in time does really mean in time. Too late is too early? Nonsense! 'Too late is too early' does not make any sense."; 

var atLeast = 2;  // Show results with at least .. occurrences 
var numWords = 5;  // Show statistics for one to .. words 
var ignoreCase = true; // Case-sensitivity 
var REallowedChars = /[^a-zA-Z'\-]+/g; 
// RE pattern to select valid characters. Invalid characters are replaced with a whitespace 

var i, j, k, textlen, len, s; 
// Prepare key hash 
var keys = [null]; //"keys[0] = null", a word boundary with length zero is empty 
var results = []; 
numWords++; //for human logic, we start counting at 1 instead of 0 
for (i=1; i<=numWords; i++) { 
    keys.push({}); 
} 

// Remove all irrelevant characters 
text = text.replace(REallowedChars, " ").replace(/^\s+/,"").replace(/\s+$/,""); 

// Create a hash 
if (ignoreCase) text = text.toLowerCase(); 
text = text.split(/\s+/); 
for (i=0, textlen=text.length; i<textlen; i++) { 
    s = text[i]; 
    keys[1][s] = (keys[1][s] || 0) + 1; 
    for (j=2; j<=numWords; j++) { 
     if(i+j <= textlen) { 
      s += " " + text[i+j-1]; 
      keys[j][s] = (keys[j][s] || 0) + 1; 
     } else break; 
    } 
} 

// Prepares results for advanced analysis 
for (var k=1; k<=numWords; k++) { 
    results[k] = []; 
    var key = keys[k]; 
    for (var i in key) { 
     if(key[i] >= atLeast) results[k].push({"word":i, "count":key[i]}); 
    } 
} 

// Result parsing 
var outputHTML = []; // Buffer data. This data is used to create a table using `.innerHTML` 

var f_sortAscending = function(x,y) {return y.count - x.count;}; 
for (k=1; k<numWords; k++) { 
    results[k].sort(f_sortAscending);//sorts results 

    // Customize your output. For example: 
    var words = results[k]; 
    if (words.length) outputHTML.push('<td colSpan="3" class="num-words-header">'+k+' word'+(k==1?"":"s")+'</td>'); 
    for (i=0,len=words.length; i<len; i++) { 

     //Characters have been validated. No fear for XSS 
     outputHTML.push("<td>" + words[i].word + "</td><td>" + 
      words[i].count + "</td><td>" + 
      Math.round(words[i].count/textlen*10000)/100 + "%</td>"); 
      // textlen defined at the top 
      // The relative occurence has a precision of 2 digits. 
    } 
} 
outputHTML = '<table id="wordAnalysis"><thead><tr>' + 
       '<td>Phrase</td><td>Count</td><td>Relativity</td></tr>' + 
       '</thead><tbody><tr>' +outputHTML.join("</tr><tr>")+ 
       "</tr></tbody></table>"; 
document.getElementById("RobW-sample").innerHTML = outputHTML; 
/* 
CSS: 
#wordAnalysis td{padding:1px 3px 1px 5px} 
.num-words-header{font-weight:bold;border-top:1px solid #000} 

HTML: 
<div id="#RobW-sample"></div> 
*/ 

Answer 2

मैं जावास्क्रिप्ट में इस तरह के एक पुस्तकालय पता नहीं है लेकिन तर्क

तो तरह सरणी

में

1. विभाजन पाठ और गिनती

वैकल्पिक रूप से

1. सरणी में विभाजन
2. द्वितीयक सरणी बनाएं
4. जांच करें कि क्या वर्तमान आइटम माध्यमिक सरणी में मौजूद है
5. = एक आइटम की कुंजी
6. बाकी वृद्धि मूल्य एक महत्वपूर्ण होने के रूप में धक्का यह मौजूद नहीं है, तो मांग की मद से 1 सरणी के प्रत्येक आइटम traversing। HTH

इवो Stoykov