趋势主题:单字术语与组合术语

谈论奥巴马,是的,你可以。:)

也许你可以在输出前测试你的高趋势是否包含在低趋势中。我会尝试这样的方法:

示例:您已经

1. 奥巴马
2. 法国航空公司
3. 巴拉克
4. A330
5. 巴拉克奥巴马
6. …

如果你想在不太长时间内输出的列表(比如你只拿100个最好的分数),你只选择那些不包含在其他列表中的列表,可能会给包含其他列表的列表增加50%的奖金。(您可能需要取150个第一个值,然后进行处理,消除冗余,可能达到110个,然后修剪最后10个值以恢复100个值。)

“巴拉克奥巴马”包括“巴拉克”和“奥巴马”,所以你可以给它100%的奖金,你的名单可能会变成:

1. 法国航空公司
2. 巴拉克奥巴马
3. A330
4. …

希望它不会太多地改变您的算法,但实际上您可以在输出之前在最后插入这个处理。

编辑:

或者,如果你真的不列出最好的分数,而只计算一个一个的分数,你可以将你的趋势分成两部分来计算它的组成部分(比如“巴拉克奥巴马”的趋势是“巴拉克奥巴马”+0.5*“巴拉克”+0.5*“奥巴马”)。

基于@subtenate的答案,您应该寻找的公式应该基于这样一个事实,“巴拉克奥巴马”总是包含“巴拉克”和“奥巴马”…
简单的数学计算表明:

"Barack"s + "Obama"s - "Barack Obama"s

…当然,假设你的部分术语只在正确的上下文中出现,无论是单独出现还是合并到完整的术语中,“巴拉克”总是指“巴拉克奥巴马”(而不是“埃胡德巴拉克”)。