algorithm - 动态文本模式检测算法？

Question

<分区>

Answer 1

现在的问题有点模糊..你有点需要知道你在找什么才能找到它。
一些可能有用的想法-

1. 分别为 n = 1、2、3、4 获取每个文档的 n-gram 计数，然后比较文档中每个 ngram 的频率。这应该可以帮助您找到所有文档中经常出现的短语。
2. 获取词性标注器以将所有文档转换为 POS 标记流，然后执行与 1 相同的操作
3. 使用 Stanford Parser 等 PCFG 软件获取所有文档中所有句子的解析树，然后尝试找出不同文档的句子结构分布的相似程度。