java - 查找哈希集中每个单词在文本文档中出现的次数

Question

我正在用 Java 实现朴素贝叶斯文本分类算法。

到目前为止我所做的是，声明一个名为 Vocabulary 的哈希集，它存储给定文本文件(测试文件)中的所有唯一单词。

该算法的步骤之一是将测试文件的所有成员连接到一个文本文件中。事实证明这是一个相当大的文件，其中包含每个文件中的单词。

现在，我必须使用连接的文本文件来计算词汇表中每个单词的出现次数。我的第一个猜测是保留一种数组结构，其中包含每个单词的频率。但话又说回来，我的条目太多了。

有人可以给我更好的建议吗？

Answer 1

使用字典(HashMap)，其中单词是键，值是出现的次数。如果 HashSet 适合内存，HashMap 也应该适合。