C# алгоритм для N-графа

Question

Я намереваюсь использовать код n-грамма от this article. Алгоритм формирует эти результаты три-граммовых:

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

для текста the quick red

Однако wikipedia, считает, что это должно быть:

the qui k_r 
he_ uic _re 
e_q ick red 
_qu ck_ 

(пространство обозначается «_»).

Что такое? Есть ли там другая реализация C#?

Answer 1

Второй пример правильный.

пс. Почему вы генерируете триграммы для полного текста, а не только для слов? Каков ваш прецедент?

Answer 2

Первое правильное. Я использую символ N-грамм в своей диссертации. Вы должны двигаться вперед и передавать один символ для каждого шага. В этом состоянии можно найти похожие слова.