Я создаю файл, содержащий выражение XQuery FLWOR, которое возвращает все вхождения слова «мы» в наборе файлов вместе со словом, которое идет следующим в предложении в каждом случае. Я хочу использовать «отличное значение ()», чтобы исключить повторяющееся сочетание слов. Я также хочу подсчитать, сколько раз встречалась эта комбинация слов, отсортированная в порядке убывания частоты.
Это XML-файл, над которым я работаю
<u who="PS6H7">
<s n="3">
<w c5="AV0" hw="well" pos="ADV">Well</w>
<c c5="PUN">, </c>
<w c5="AJ0" hw="good" pos="ADJ">good </w>
<w c5="NN1" hw="afternoon" pos="SUBST">afternoon</w>
<c c5="PUN">, </c>
<w c5="PNI" hw="everybody" pos="PRON">everybody</w>
<c c5="PUN">, </c>
<w c5="PNP" hw="i" pos="PRON">I </w>
<w c5="VVB" hw="think" pos="VERB">think </w>
<w c5="PNP" hw="we" pos="PRON">we</w>
<w c5="VHD" hw="have" pos="VERB">'d </w>
<w c5="AV0" hw="well" pos="ADV">better </w>
<w c5="VVI" hw="get" pos="VERB">get </w>
<w c5="VVN" hw="start" pos="VERB">started</w>
<c c5="PUN">.</c>
</s>
<s n="4">
<w c5="PNP" hw="we" pos="PRON">We </w>
<w c5="VVD" hw="look" pos="VERB">looked </w>
<w c5="AV0" hw="so" pos="ADV">so </w>
<w c5="AJ0" hw="thin" pos="ADJ">thin </w>
<w c5="PRP" hw="on" pos="PREP">on </w>
<w c5="AT0" hw="the" pos="ART">the </w>
<w c5="NN1" hw="ground" pos="SUBST">ground</w>
<c c5="PUN">, </c>
<w c5="PNP" hw="i" pos="PRON">I </w>
<w c5="VVD" hw="think" pos="VERB">thought </w>
<w c5="PNP" hw="we" pos="PRON">we</w>
<w c5="VM0" hw="would" pos="VERB">'d </w>
<w c5="VVI" hw="sit" pos="VERB">sit </w>
<w c5="CJC" hw="and" pos="CONJ">and </w>
<w c5="VVI" hw="wait" pos="VERB">wait </w>
<w c5="CJC" hw="and" pos="CONJ">and </w>
<w c5="VVI" hw="see" pos="VERB">see </w>
<w c5="CJS" hw="if" pos="CONJ">if </w>
<w c5="PNI" hw="everyone" pos="PRON">everyone</w>
<w c5="VBZ" hw="be" pos="VERB">'s </w>
<w c5="VVG-AJ0" hw="come" pos="VERB">coming</w>
<c c5="PUN">, </c>
<w c5="CJC" hw="but" pos="CONJ">but </w>
<w c5="UNC" hw="erm" pos="UNC">erm </w>
<w c5="PNP" hw="we" pos="PRON">we</w>
<w c5="VM0" hw="will" pos="VERB">'ll </w>
<w c5="VHI" hw="have" pos="VERB">have </w>
<w c5="TO0" hw="to" pos="PREP">to </w>
<w c5="VVI" hw="get" pos="VERB">get </w>
<w c5="VVN" hw="start" pos="VERB">started </w>
<w c5="AV0" hw="anyway" pos="ADV">anyway</w>
<c c5="PUN">.</c>
</s>
<s n="5">
<w c5="PNP" hw="we" pos="PRON">We</w>
<w c5="VM0" hw="will" pos="VERB">'ll </w>
<w c5="VVI" hw="welcome" pos="VERB">welcome</w>
<c c5="PUN">, </c>
<w c5="PNP" hw="we" pos="PRON">we </w>
<w c5="VHB" hw="have" pos="VERB">have </w>
<w c5="CRD" hw="two" pos="ADJ">two </w>
<w c5="NN2" hw="speaker" pos="SUBST">speakers</w>
<c c5="PUN">, </c>
<w c5="NP0" hw="mr" pos="SUBST">Mr </w>
<w c5="NP0" hw="bob" pos="SUBST">Bob </w>
<w c5="NP0" hw="plumtree" pos="SUBST">Plumtree</w>
<c c5="PUN">, </c>
<w c5="CJC" hw="and" pos="CONJ">and </w>
<w c5="NP0" hw="ms" pos="SUBST">Ms </w>
<w c5="NP0" hw="erica" pos="SUBST">Erica </w>
<w c5="NP0" hw="ison" pos="SUBST">Ison</w>
<c c5="PUN">.</c>
</s>
<s n="6">
<w c5="PNP" hw="we" pos="PRON">We </w>
<w c5="VVD" hw="ask" pos="VERB">asked </w>
<w c5="PNP" hw="they" pos="PRON">them </w>
<w c5="PRP" hw="to" pos="PREP">to </w>
<w c5="AT0" hw="the" pos="ART">the </w>
<w c5="NN1" hw="meeting" pos="SUBST">meeting </w>
<w c5="CJC" hw="and" pos="CONJ">and </w>
<w c5="PNP" hw="we" pos="PRON">we </w>
<w c5="VVB" hw="look" pos="VERB">look </w>
<w c5="AV0" hw="forward" pos="ADV">forward </w>
<w c5="PRP" hw="to" pos="PREP">to </w>
<w c5="VVG-NN1" hw="listen" pos="VERB">listening </w>
<w c5="PRP" hw="to" pos="PREP">to </w>
<w c5="PNP" hw="you" pos="PRON">you </w>
<w c5="AV0" hw="later" pos="ADV">later </w>
<w c5="AVP" hw="on" pos="ADV">on </w>
<w c5="PRP" hw="in" pos="PREP">in </w>
<w c5="AT0" hw="the" pos="ART">the </w>
<w c5="NN1" hw="agenda" pos="SUBST">agenda</w>
<c c5="PUN">.</c>
</s>
<s n="7">
<w c5="AT0" hw="the" pos="ART">The </w>
<w c5="NN2" hw="minute" pos="SUBST">minutes </w>
<w c5="PRF" hw="of" pos="PREP">of </w>
<w c5="AT0" hw="the" pos="ART">the </w>
<w c5="NN1" hw="meeting" pos="SUBST">meeting </w>
<w c5="VVD-VVN" hw="hold" pos="VERB">held </w>
<w c5="PRP" hw="in" pos="PREP">in </w>
<w c5="NP0" hw="january" pos="SUBST">January</w>
<c c5="PUN">.</c>
</s>
<s n="8">
<w c5="DT0" hw="any" pos="ADJ">Any </w>
<w c5="NN2" hw="correction" pos="SUBST">corrections </w>
<w c5="PRP" hw="to" pos="PREP">to </w>
<w c5="AT0" hw="the" pos="ART">the </w>
<w c5="NN2" hw="minute" pos="SUBST">minutes </w>
<w c5="ORD" hw="first" pos="ADJ">first</w>
<c c5="PUN">?</c>
</s>
</u>
Это мой файл FLWOR XQuery. Он возвращает все вхождения слова «мы» в коллекции файлов вместе со словом, которое идет следующим в предложении в каждом случае. но он содержит много повторяющихся комбинаций слов. Особые значения () не работают должным образом. Также функция count возвращает 1 в каждой строке.
В результате я хочу, чтобы таблица HTML показывала слово «мы» в 1-м столбце, слово, которое стоит после «мы» во 2-м столбце, и частоту или количество раз, когда комбинация происходила в 3-м столбце.
<html>
<body>
<table border='1'>
<tr><td>Target</td><td>Successor</td><td>Frequency</td></tr>
{
for $x in doc("KS0.xml")//u//s//w
where lower-case(normalize-space($x))="we"
return <tr>
<td>{data($x)}</td>
<td>{data(distinct-values($x/following-sibling::w[1]))}</td>
<td>{count(distinct-values(data($x/following-sibling::w[1])))}</td>
</tr>
}
</table>
</body>
</html>