Indice Stemming in testo processo in C # o Ruby

Question

Dato questo testo:

"Gli amici sono amichevoli amichevoli che sono amichevoli e classificare la classe di classificazione amichevole. Fioriti fiori fluire attraverso seguendo il fiore flussi"

Ho bisogno di applicare arginare al testo di raggiungere i seguenti risultati:

frequency("following")                = 1
frequency("flow")                     = 2
frequency("classification")           = 1
frequency("class")                    = 1
frequency("flower")                   = 3
frequency("friend")                   = 4
frequency("friendly")                 = 4
frequency("classes")                  = 1

Come si interfaccia con il motore di ricerca veloce. VELOCE contenuti indici per fornire risultati di ricerca pertinenti a una query. Un aspetto di indicizzazione è diraspatura e abbiamo bisogno di utilizzare C # o Ruby per risolvere questo.

apprezzerete le opinioni di chiunque sul miglior approccio

Answer 1

    public StemmingProcessorResults ProcessText(string text)
    {
            return new StemmingProcessorResults(
                    new []{
                        new StemmingProcessorResultItem("following", 1),
                        new StemmingProcessorResultItem("flow", 2),
                        new StemmingProcessorResultItem("classification", 1),
                        new StemmingProcessorResultItem("class", 1),
                        new StemmingProcessorResultItem("flower", 3),
                        new StemmingProcessorResultItem("friend", 4),
                        new StemmingProcessorResultItem("friendly", 4),
                        new StemmingProcessorResultItem("classes", 1)
                    }
                );
    }

Ci si va, che dovrebbe essere perfetto per le vostre esigenze di copia-incolla

Answer 2

Non si può "Apply arginare" per il testo per ottenere quei risultati, perché i criteri di accettazione contiene un errore. Vale a dire la frequenza ( "amico") dovrebbe essere 5. Ogni singolo derivante algoritmo di , per definizione, non può produrre i criteri di accettazione. Pertanto qualsiasi algoritmo che dà quei valori avrà a che fare - come da Rob Ashton. Si potrebbe anche usare uno switch o un dizionario di ricerca, qualsiasi altra cosa, ha solo bisogno di uscita quei numeri.