尝试建立一个反向索引,然后您可以选择任何喜欢的关键字.这种方法忽略了单词顺序:
index = {}
for sentence in sentence_list:
for word in set(sentence.split()):
index.setdefault(word, set()).add(sentence)
或采用这种方法,它通过所有可能的全字词前缀来索引索引:
index = {}
for sentence in sentence_list:
number_of_words = length(sentence.split())
for i in xrange(1, number_of_words):
key_phrase = sentence.rsplit(maxsplit=i)[0]
index.setdefault(key_phrase, set()).add(sentence)
然后,如果您想查找所有包含关键字的句子(或者,从短语开始,如果那是您的索引):
match_sentences = index[key_term]
或一组给定的关键字:
matching_sentences = reduce(list_of_keywords[1:], lambda x, y: x & index[y], initializer = index[list_of_keywords[0]])
现在,您可以通过使用这些索引生成列表理解来生成句子,从而生成几乎由术语或短语的任何组合组成的列表.例如,如果您构建了词组前缀索引,并希望将所有内容都按前两个词组进行分组:
return [list(index[k]) for k in index if len(k.split()) == 2]