如何使用哈希表的

Question

所有的文字都是小case英語，沒有標點符號和短語被定義爲連續3個字來查找senetences列表最常見的詞組，這樣 如果一個句子是：我是傑西卡追捕

這樣的短語是「我是傑西卡」和「是傑西卡追捕」

一個短語是常見的，如果它在文件中的所有句子目前

請幫我這一個適當的散列函數問題

Answer 1

一切皆有。我將以（3 * a + 5 * b + 7 * c）開始，其中{a，b，c}是三個連續詞的詞數（或散列值）。 （ofcourse所有無符號和模字長）

• tokenise成單詞，忽略空白和標點符號
• 把所得的話爲哈希表（字典）
• 步驟通過文件，保持了滑動窗口用於計算三令牌散列
• 並將這些置換/更新到第二散列表中。
• 對於衝突解決，這第二個哈希表需要有（指針，索引）訪問原始的三個單詞。

Answer 2

Jessica， 我想你需要一個n-gram hasher而不是第一句（這幾乎是相同的）。 我已經寫在C超快的n-gram鬆土，可以免費下載在： http://www.sanmayce.com/Downloads/index.html#Leprechaun

妖精會破掉「句」「我是傑西卡追捕」下調至這兩個3克： i_am_jessica am_jessica_hunt

也許n-gramming是你的事情。