如何将句子的单词插入矩阵？

Question

您好，我正在尝试计算包含 5 个单词的给定数组的句子之间的余弦相似度。所以我有一个 asp.net 项目，我在其中编写了代码来计算文本中的前 5 个单词（按频率）（大约 50-60 个句子），我在数组 K 中有这些单词。直到这里一切正常。我想从文本中获取每个句子（这是我的问题中的一个输入，并且应用程序中有一个文本区域，用户可以在其中粘贴任何内容文本或文章）并建立了向量。例如； 让我们假设数组

K={technology, product,player}

给定的文本是这样的；

Apple Inc. 是一家美国跨国科技公司 总部位于加利福尼亚州库比蒂诺，设计、开发和 销售消费电子产品、计算机软件和在线服务。 其硬件产品包括iPhone智能手机、iPad平板电脑 电脑、Mac 个人电脑、iPod 便携式媒体播放器、 和 Apple Watch 智能手表。苹果的消费者软件包括 OS X 和 iOS 操作系统、iTunes 媒体播放器、Safari Web 浏览器，以及 iLife 和 iWork 的创造力和生产力 套房。其在线服务包括 iTunes Store、iOS 应用 Store 和 Mac App Store，以及 iCloud。

所以四个句子的四个向量应该是这样的

s1={1,0,0} s2={0,1,1} s3={0,0,1} s4={0,0,0}

如何在 asp.net 上建立这些向量？

Answer 1

我正在使用以下SQL LIKE method 和Print2DArray method。如果你绝对需要使用数组

public static void Main(string[] args)
    {
        string[] keywords = {...}; // your keywords
        string text = "..."; // your text

        string[] textInArray = text.Split(new char[] { '.' }, StringSplitOptions.RemoveEmptyEntries);
        int[,] vectors = new int[textInArray.Length, keywords.Length];

        for (int i = 0; i < textInArray.Length; i++)
        {
            string[] words = textInArray[i].Split(' ');
            for (int j = 0; j < keywords.Length; j++)
            {
                foreach (var word in words)
                {
                    if (Like(word, "%"+keywords[j]+"%"))
                    {
                        vectors[i, j]++;
                    }
                }
            }
        }
        Print2DArray(vectors);
    }

请记住，我使用的类似 SQL 的方法使“products”成为“product”的一个版本，并且逆势而上，但它也使“productivity”成为“product”的一个版本。它将 Apple Inc. 拆分为一个句子。 您需要对此进行微调，因为它是您想要完成的非常基本的版本。 您可以使用字符串和 int 数组的字典，甚至是结构来更优雅地完成这项工作，但是基本都是一样的。

我来这里是为了进一步的问题！