生成所有最長的公共子字符串的列表和變體列表

Question

高水平

我試圖將常見的子字符串折疊到句子列表中，並僅介紹它們不同的區域。 因此，采取此：

Please don't kick any of the cats
Please do kick any of the cats
Please don't kick any of the dogs
Please do kick any of the dogs
Please don't kick any of the garden snakes
Please do pet any of the garden snakes

並返回此：

Please [don't|do] [kick|pet] any of the [cats|dogs|garden snakes]

更多細節

• 我一直在研究Longest Common Substring算法，但這似乎只能比較兩個字符串。
• 我只想比較字符串中的整個單詞。
• 只想從左到右評估字符串。
• 不常見的子字符串的長度將不是相同數目的單詞（“貓”與“花園蛇”）

我正在尋找有關算法的幫助。 我認為這是LCS問題的一種變體，我認為是對后綴樹的某種處理。 可能解釋和實現的偽代碼將是理想的。

另一個例子

Please join thirteen of your friends at the Midnight Bash this Friday
Don't forget to join your friend John at the Midnight Bash tomorrow
Don't forget to join your friends John and Julie at the Midnight Bash tonight

變成：

[Please|Don't forget to]
join
[thirteen of your friends|your friend John|your friends John and Julie]
at the Midnight Bash
[this Friday|tomorrow|tonight]

也許這種方法

那這種方法呢...

for an array of sentences
  loop with the remaining sentence
    find the "first common substring (FCS)"
    split the sentences on the FCS
    every unique phrase before the FCS is part of the set of uncommon phrases
    trim the sentence by the first uncommon phrase
  end loop

Answer 1

將每個唯一的單詞映射到單個對象。 然后建立一個條件概率表（請參閱Markov鏈 ），以枚舉單詞在每個序列中跟隨多少次的計數。

Answer 2

有趣的是，很久以前我一直在考慮創建類似您的東西，直到我意識到這實際上是一種AI。 要考慮的因素太多：語法，語法，情況，錯誤等。但是，如果您輸入的內容總是固定不變，例如“請[A1 | A2 | ..] [B1 | B2 | ..]任何[C1 | C2 | ..]]，那么也許一個簡單的Regex模式就可以做到：“ ^ Please \\ s *（？（don | t | do））\\ s *（？\\ w +）+ \\ s * \\ s *（？。）* $“。