c# - N-gram 的 C# 算法

Question

我打算使用本文中的 n-gram代码。该算法产生这些三元组结果：

t, th, the, he, e, q, qu, qui, uic, ick, ck, k, r, re, red, ed, d

对于文本the quick red

然而wikipedia认为它应该是：

the  qui  k_r
he_  uic  _re
e_q  ick  red
_qu  ck_

（由“_”表示的空格）。

什么是正确的？还有其他 C# 实现吗？

Answer 1

第二个例子是正确的。

附言。为什么你要为完整的文本而不只是为单词生成三元组？你的用例是什么？

Answer 2

第一个是正确的。我在我的论文中使用了字符 N-gram。您必须向前移动并每一步传递一个字符。在这种情况下，可以找到相似的词。