尽管它是用Java实现的，但您可以在此处看到针对该问题的一种方法： http ： //rcrezende.blogspot.com/2010/08/smallest-relevant-text-snippet-for.html

我知道这个线程已经过时了，但是上周我试了一下，背面很痛苦。 这远非完美，但这是我想出的。

代码段生成器：

public static string SelectKeywordSnippets(string StringToSnip, string[] Keywords, int SnippetLength) { string snippedString = ""; List keywordLocations = new List(); //Get the locations of all keywords for (int i = 0; i < Keywords.Count(); i++) keywordLocations.AddRange(SharedTools.IndexOfAll(StringToSnip, Keywords[i], StringComparison.CurrentCultureIgnoreCase)); //Sort locations keywordLocations.Sort(); //Remove locations which are closer to each other than the SnippetLength if (keywordLocations.Count > 1) { bool found = true; while (found) { found = false; for (int i = keywordLocations.Count - 1; i > 0; i--) if (keywordLocations[i] - keywordLocations[i - 1] < SnippetLength / 2) { keywordLocations[i - 1] = (keywordLocations[i] + keywordLocations[i - 1]) / 2; keywordLocations.RemoveAt(i); found = true; } } } //Make the snippets if (keywordLocations.Count > 0 && keywordLocations[0] - SnippetLength / 2 > 0) snippedString = "... "; foreach (int i in keywordLocations) { int stringStart = Math.Max(0, i - SnippetLength / 2); int stringEnd = Math.Min(i + SnippetLength / 2, StringToSnip.Length); int stringLength = Math.Min(stringEnd - stringStart, StringToSnip.Length - stringStart); snippedString += StringToSnip.Substring(stringStart, stringLength); if (stringEnd < StringToSnip.Length) snippedString += " ... "; if (snippedString.Length > 200) break; } return snippedString; } 

该函数将查找示例文本中所有关键字的索引

  private static List IndexOfAll(string haystack, string needle, StringComparison Comparison) { int pos; int offset = 0; int length = needle.Length; List positions = new List(); while ((pos = haystack.IndexOf(needle, offset, Comparison)) != -1) { positions.Add(pos); offset = pos + length; } return positions; } 

它的执行有点笨拙。 它的工作方式是找到字符串中所有关键字的位置。 然后检查没有关键字彼此之间的距离比所需的片段长度更近，这样片段就不会重叠（这就是它有点不合适……）。 然后抓住以关键字位置为中心的所需长度的子串，并将整个事物拼接在一起。

我知道这已经晚了几年，但发布以防万一它可能会帮助有人遇到这个问题。

这是一个很好的问题:)

我想我会创建一个索引向量：对于每个单词，如果搜索项或其他为0，则创建一个条目1.然后找到i使得sum（indexvector [i：i + maxlength]）最大化。

这实际上可以相当有效地完成。 从第一个maxlength字中的searchterms数开始。 然后，当你继续前进时，如果indexvector [i] = 1（即你增加i时即将丢失搜索项），减少你的计数器，如果indexvector [i + maxlength + 1] = 1则增加它。 随着时间的推移，跟踪具有最高计数器值的i。

一旦你得到你最喜欢的我，你仍然可以做微调，就像看你是否可以减少实际大小而不妥协你的计数器，例如为了找到句子边界或其他什么。 或者喜欢选择一些具有等效计数器值的正确i。

不确定这是否比你的方法更好 – 它是一个不同的方法。

您可能还想查看有关该主题的本文，该主题还有另一个基线： http ： //citeseerx.ist.psu.edu/viewdoc/download？doi = 10.1.1.72.4357 &rep =rep1＆type = pdf

 public class Highlighter { private class Packet { public string Sentence; public double Density; public int Offset; } public static string FindSnippet(string text, string query, int maxLength) { if (maxLength < 0) { throw new ArgumentException("maxLength"); } var words = query.Split(' ').Where(w => !string.IsNullOrWhiteSpace(w)).Select(word => word.ToLower()).ToLookup(s => s); var sentences = text.Split('.'); var i = 0; var packets = sentences.Select(sentence => new Packet { Sentence = sentence, Density = ComputeDensity(words, sentence), Offset = i++ }).OrderByDescending(packet => packet.Density); var list = new SortedList(); int length = 0; foreach (var packet in packets) { if (length >= maxLength || packet.Density == 0) { break; } string sentence = packet.Sentence; list.Add(packet.Offset, sentence.Substring(0, Math.Min(sentence.Length, maxLength - length))); length += packet.Sentence.Length; } var sb = new List(); int previous = -1; foreach (var item in list) { var offset = item.Key; var sentence = item.Value; if (previous != -1 && offset - previous != 1) { sb.Add("."); } previous = offset; sb.Add(Highlight(sentence, words)); } return String.Join(".", sb); } private static string Highlight(string sentence, ILookup words) { var sb = new List(); var ff = true; foreach (var word in sentence.Split(' ')) { var token = word.ToLower(); if (ff && words.Contains(token)) { sb.Add("[[HIGHLIGHT]]"); ff = !ff; } if (!ff && !string.IsNullOrWhiteSpace(token) && !words.Contains(token)) { sb.Add("[[ENDHIGHLIGHT]]"); ff = !ff; } sb.Add(word); } if (!ff) { sb.Add("[[ENDHIGHLIGHT]]"); } return String.Join(" ", sb); } private static double ComputeDensity(ILookup words, string sentence) { if (string.IsNullOrEmpty(sentence) || words.Count == 0) { return 0; } int numerator = 0; int denominator = 0; foreach(var word in sentence.Split(' ').Select(w => w.ToLower())) { if (words.Contains(word)) { numerator++; } denominator++; } if (denominator != 0) { return (double)numerator / denominator; } else { return 0; } } } 

例：

突出显示“光学流动被定义为图像中结构光的变化，例如视网膜或相机的传感器，由于眼球或相机与场景之间的相对运动。文献中的进一步定义突出了光学流动的不同特性“”光流“

输出：

[[HIGHLIGHT]]光学流[[ENDHIGHLIGHT]]定义为图像中结构光的变化，e …文献中的进一步定义突出了[[HIGHLIGHT]]光学流[[ENDHIGHLIGHT]]的不同属性

好吧，这是我使用上面描述的算法制作的黑客攻击版本。 我认为这不是那么好。 它使用三个（计数em，三个！）循环数组和两个列表。 但是，它总比没有好。 我还硬编码了最大长度，而不是将其变成参数。

 private static string FindRelevantSnippets(string infoText, string[] searchTerms) { List termLocations = new List(); foreach (string term in searchTerms) { int termStart = infoText.IndexOf(term); while (termStart > 0) { termLocations.Add(termStart); termStart = infoText.IndexOf(term, termStart + 1); } } if (termLocations.Count == 0) { if (infoText.Length > 250) return infoText.Substring(0, 250); else return infoText; } termLocations.Sort(); List termDistances = new List(); for (int i = 0; i < termLocations.Count; i++) { if (i == 0) { termDistances.Add(0); continue; } termDistances.Add(termLocations[i] - termLocations[i - 1]); } int smallestSum = int.MaxValue; int smallestSumIndex = 0; for (int i = 0; i < termDistances.Count; i++) { int sum = termDistances.Skip(i).Take(5).Sum(); if (sum < smallestSum) { smallestSum = sum; smallestSumIndex = i; } } int start = Math.Max(termLocations[smallestSumIndex] - 128, 0); int len = Math.Min(smallestSum, infoText.Length - start); len = Math.Min(len, 250); return infoText.Substring(start, len); } 

我能想到的一些改进是返回多个“片段”，其长度更短，加上更长的长度 – 这样就可以对文档的多个部分进行采样。

如果你使用CONTAINSTABLE你会得到一个RANK，这实际上是一个密度值 – RANK值越高，密度越高。 这样，您只需运行查询即可获得所需的结果，而不必在返回数据时按摩数据。

写了一个函数来做到这一点。 你想传入：

输入：

文件文字
这是您正在摘录的文档的全文。 您很可能希望从此文档中删除任何BBCode / HTML。

原始查询
用户输入的字符串作为搜索

片段长度
您要显示的代码段的长度。

返回值：

启动文档文本的索引以从中获取片段。 要获取代码段，只需执行documentText.Substring(returnValue, snippetLength) 。 这样做的好处是，你知道片段是从开始/结束/中间获取的，所以你可以添加一些装饰...如果你想要在片段的开头/结尾。

性能

设置为1的resolution 将找到最佳片段，但一次将窗口移动1个字符。 将此值设置得更高可加快执行速度。

调整

你可以根据自己的需要计算score 。 在这个例子中，我已经完成了Math.pow(wordLength, 2)以支持更长的单词。

 private static int GetSnippetStartPoint(string documentText, string originalQuery, int snippetLength) { // Normalise document text documentText = documentText.Trim(); if (string.IsNullOrWhiteSpace(documentText)) return 0; // Return 0 if entire doc fits in snippet if (documentText.Length <= snippetLength) return 0; // Break query down into words var wordsInQuery = new HashSet(); { var queryWords = originalQuery.Split(' '); foreach (var word in queryWords) { var normalisedWord = word.Trim().ToLower(); if (string.IsNullOrWhiteSpace(normalisedWord)) continue; if (wordsInQuery.Contains(normalisedWord)) continue; wordsInQuery.Add(normalisedWord); } } // Create moving window to get maximum trues var windowStart = 0; double maxScore = 0; var maxWindowStart = 0; // Higher number less accurate but faster const int resolution = 5; while (true) { var text = documentText.Substring(windowStart, snippetLength); // Get score of this chunk // This isn't perfect, as window moves in steps of resolution first and last words will be partial. // Could probably be improved to iterate words and not characters. var words = text.Split(' ').Select(c => c.Trim().ToLower()); double score = 0; foreach (var word in words) { if (wordsInQuery.Contains(word)) { // The longer the word, the more important. // Can simply replace with score += 1 for simpler model. score += Math.Pow(word.Length, 2); } } if (score > maxScore) { maxScore = score; maxWindowStart = windowStart; } // Setup next iteration windowStart += resolution; // Window end passed document end if (windowStart + snippetLength >= documentText.Length) { break; } } return maxWindowStart; } 

您可以添加更多内容，例如，您可能希望尝试比较SOUNDEX ，其中您的权重soundex匹配少于完全匹配。

上述就是C#学习教程：C＃查找搜索结果显示的相关文档片段分享的全部内容，如果对大家有所用处且需要了解更多关于C#学习教程，希望大家多多关注—计算机技术网(www.ctvol.com)!