从文本文件（八度）创建一组带状疱疹

我在Octave/Matlab中创建MinHash和LSH。但我试图从一个给定的文档中得到一个k个大小的集合（单元数组或数组），我不知道该怎么做。从文本文件（八度）创建一组带状疱疹

我现在所拥有的就是这个简单的代码：

doc = fopen(document); 
i = 1; 
while (! feof(doc)) 
    txt{i} = strread(fgetl(doc), '%s'); 
    i++; 
endwhile 
fclose(doc);

这一切从文件的每一行，这是一个说法，我想要做的功能的话创建一个单元阵列。

来源

2015-12-13 nkt09

而且什么问题或问题？ – Andy

问题是创建一个MinHash和局部敏感散列来查找类似的项目（使用Jaccard相似性），并且为此我需要从文档创建一组带有参数的带状疱疹。我想返回一个带有k大小的瓦片的集合，例如5个瓦片意味着每个单元格将有5个单词。 – nkt09

请解释在这种情况下术语带状疱疹的含义。一个特定的输入/输出例子会有所帮助。 –

此代码可能会诀窍。它从单元格数组中读取并创建指定大小的瓦片（n-grams）。

function S = shingles(txt, shingle_size) 
    l = size(txt)(2) - shingle_size + 1; 
    for i = 1:l 
    t=''; 
    for j = i:(i + shingle_size - 2) 
     t = strcat(t,txt{j},' '); 
    end 
    t = strcat(t, txt{i + shingle_size - 1}); 
    S{i} = t; 
    end

您可以测试与下面的示例代码：

txt={'a','b','c'} 
shingles(txt, 2) 
S = 
{ 
    [1,1] = ab 
    [1,2] = bc 
}

来源

2017-12-02 22:42:55 mariolpantunes

从文本文件（八度）创建一组带状疱疹

回答

相关问题