【正文】 gives a pair of sistrings that match for the greatest number of characters ., 1, 2, 3 are the same for sistrings 100100010111 and 100010111 2022/8/14 COSCUP 2022, NTU Suffix Array for Chinese keyword extraction ? Array of sistring ? Simple Construction ? Treat the whole text as a string (character array) ? Move char by char, and add to the suffix array ? Sort the array 2022/8/14 COSCUP 2022, NTU Example ? 我要去上學校來上學 ? 我要去上學校來上學 ? 要去上學校來上學 ? 去上學校來上學 ? 上學校來上學 ? 學校來上學 ? 校來上學 ? 來上學 ? 上學 ? 學 2022/8/14 COSCUP 2022, NTU Example ? 我要去上學校來上學 ? 上學 ? 上學校來上學 ? 來上學 ? 去上學校來上學 ? 學 ? 學校來上學 ? 我要去上學校來上學 ? 校來上學 ? 要去上學校來上學 1 上 , 2 2 上學 , 2 2022/8/14 COSCUP 2022, NTU Example: banana ? Before sort banana anana nana ana na a ? After sort a ana anana banana na Nana ? Common Prefix Word ? a, 3 ? an, 2 ? ana, 2 ? n, 2 ? na,2 2022/8/14 COSCUP 2022, NTU Suffix Array Construction Difficulty ? Quick Sort is slow ? Comparison between strings, not BITs ? It’s hard to record every phases/words that freq 2 (mon prefix word) in linear time ?It’s easy to record the most frequency word/ longest repetition substring 2022/8/14 COSCUP 2022, NTU Reference ? Ted Pedersen, Ngram Statistics Package, 2022. ? L. F. Chien, PATTreeBased Keyword Extraction for Chinese Information Retrieval, Proceedings of the ACM SIGIR International Conference on Information Retrieval, 1997. ? Bill Frakes, New Indices for Text: PAT trees and PAT arrays, Information Retrieval Data Structures amp。 unsigned int freq。 ? 他說黨徽、國徽既然那麼容易搞錯，他要求國民黨在三個月內(nèi)修改黨徽，避免魚目混珠，以作區(qū)隔；如果國民黨不改，沒關係，在十二月十一日讓民進黨成為國會穩(wěn)定多數(shù)，「我們在明年二月一日新國會成立以後，再來修改國徽法。」 2022/8/14 COSCUP 2022, NTU Frequent terms ? 黨 ,22 ? 徽 ,16 ? 民黨 ,12 ? 國 ,21 ? 國民黨 ,11 ? 在 ,8 ? 民 ,8 ? 他 ,7 ? 國