简单实用，哈哈。
转载原文地址：点击这里
import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.OutputStreamWriter;
import java.util.Comparator;
import java.util.HashSet;
import java.util.Iterator;
import java.util.Set;
import java.util.TreeSet;
public class Highlighter {
public static void main(String[] args) throws IOException {
String content = "挖掘频繁项集的方法可以扩展到挖掘闭频繁项集（由它们容易导出频繁项集的集合）。这些方法结合了附加的优化技术，如项合并、子项剪枝和项跳过，以及模式树中产生的项集的有效子集检查。"
+ "挖掘频繁项集和关联已经用不同的方法扩展，包括挖掘多层关联规则和多维关联规则。多层关联规则可以根据每个抽象层的最小支持度阈值如何定义，使用多种策略挖掘。如一致的支持度、递减的支持度和基于分组的支持度。"
+ "冗余的多层（后代）关联规则可以删除，如果根据其对应的祖先规则，他们的支持度和置信度接近于期望值的话。挖掘多维关联规则的技术可以根据对量化属性的处理分为若干类。第一，量化属性可以根据预定义的概念分层静态离散化。"
+ "数据立方体非常适合这种方法，因为数据立方体和量化属性都可以利用概念分层。第二，可以挖掘量化关联规则，其中量化属性根据分箱和/或聚类动态离散化，“邻近的”关联规则可以用聚类合并，产生更简洁、更有意义的规则。"
+ "基于约束的规则挖掘允许用户通过提供元规则（即模式模板）和其他挖掘约束对规则搜索聚焦。这种挖掘推动了说明性数据挖掘查询语言和用户界面的使用，并对挖掘查询优化提出了巨大挑战。"
+ "规则约束可以分为五类：反单调的、单调的、简洁的、可转变的和不可转变的。前四类约束可以在频繁项集挖掘中使用，使挖掘更有功效，更有效率。没有进一步分析或领域知识，关联规则不应该直接用于预测。"
+ "它们不必指示因果关系。然而，对于进一步探查，它们是有帮助的切入点，使得它们成为理解数据的流行工具。流数据不断地在计算机系统中流进流出并且具有变化的更新速度，涉及数据流的应用非常广泛。"
+ "大纲提供数据流的汇总，通常用来返回查询的近似解答。随机抽样、滑动窗口、直方图、多分辨率方法、梗概以及随机算法都是大纲的形式。倾斜时间框架模型允许数据以多个时间粒度存储，最近的时间记录在最细的粒度上，"
+ "最远的时间记录在最粗的粒度上。流立方体可以存储压缩的数据，对时间维度使用倾斜时间框架模型，并且仅在一些关键的层上存储数据，关键层反映了分析人员最感兴趣的数据层，从而基于到关键层的“常用路径”进行部分物化。";
String query = "数据挖掘";
long start = System.currentTimeMillis();
String s = new Highlighter(query).getBestFragment(content);
System.out.println("Generate HTML: ");
File f = new File("demo.html");
OutputStreamWriter osw = new OutputStreamWriter(new FileOutputStream(f), "utf-8");
osw.write("<pre><b>" + content + "</pre><br/><br/>" + "<pre><b>" + s + "</pre><br/><br/>");
osw.close();
System.out.println("Hightlighter -> " + s);
System.out.println("cost: " + (System.currentTimeMillis() - start));
}
private static String BEGIN = "<font color=\"red\">";
private static String END = "</font>";
private Set<Character> set = new HashSet<Character>();
public Highlighter(String query) {
char[] chars = null;
chars = query.toCharArray();
for (int i = 0; i < chars.length; i++) {
set.add(chars[i]);
}
}
public String getBestFragment(String content) {
String[] strs = content.replace(".", "。").split("。");
char[] chars = null;
TreeSet<Sentence> ts = new TreeSet<Sentence>(new Comparator<Sentence>() {
public int compare(Sentence o1, Sentence o2) {
if (o1.getIndex() < o2.getIndex()) {
return -1;
} else if (o1.getIndex() > o2.getIndex()) {
return 1;
} else
return 0;
}
});
Sentence sentence = null;
int score = 0;
StringBuilder sb = null;
System.out.println("total sentences: " + strs.length);
for (int i = 0; i < strs.length; i++) {
sentence = new Sentence();
sb = new StringBuilder();
sentence.setIndex(i);
sentence.setText(strs[i]);
chars = strs[i].toCharArray();
for (int j = 0; j < chars.length; j++) {
if (set.contains(chars[j])) {
score++;
sb.append(BEGIN);
sb.append(chars[j]);
sb.append(END);
} else {
sb.append(chars[j]);
}
}
sentence.setValue(sb.toString());
sentence.setScore(score);
ts.add(sentence);
score = 0;
sb = new StringBuilder();
}
Iterator<Sentence> it = ts.iterator();
Sentence tmp = null;
int number = 0;
sb = new StringBuilder();
for (; it.hasNext();) {
tmp = it.next();
sb.append(tmp.getValue());
sb.append("。");
System.out.println(tmp);
number++;
}
System.out.println("After : " + number);
return sb.toString();
}
class Sentence {
String value;
int index;
int score;
String text;
public String getValue() {
return value;
}
public void setValue(String value) {
this.value = value;
}
public int getIndex() {
return index;
}
public void setIndex(int index) {
this.index = index;
}
public int getScore() {
return score;
}
public void setScore(int score) {
this.score = score;
}
public String toString() {
return this.index + " " + this.score + " " + this.value;
}
public String getText() {
return text;
}
public void setText(String text) {
this.text = text;
}
}
}
想了解更多精彩内容请关注我的公众号
