scala - 如何在scala中生成n-gram？

Question

我正在尝试在 Scala 中编写基于 n-gram 的分离新闻算法。
如何为大文件生成 n-gram:
例如，对于包含“蜜蜂是蜜蜂的蜜蜂”的文件。

首先它必须选择一个随机的 n-gram。例如，蜜蜂。

然后它必须寻找以 (n-1) 个单词开头的 n-gram。例如蜜蜂的。

它打印这个 n-gram 的最后一个单词。然后重复。

你能给我一些提示怎么做吗？
带来不便敬请谅解。

Answer 1

您的问题可能会更具体一些，但这是我的尝试。

val words = "the bee is the bee of the bees"
words.split(' ').sliding(2).foreach( p => println(p.mkString))