我尽可能多地阅读了关于NLP的内容，并在此处进行了搜索，但尚未找到任何完全符合我所尝试做的事情的内容。我对NLP还比较新，只有在之前有过一些小的接触，到目前为止，我已经让自己使用的NLP处理器能够从文本中提取词性（POS）。
我只是在处理一个小样本文档，然后使用一个“输入短语”，我基本上是在尝试找到这个短语的匹配。我目前编写的代码基本上做了以下几件事：
- 将输入短语和“被搜索的文档（searchee）”分解成单个词的列表，然后还获取每个词的词性。用户还输入一个关键词，这个关键词应该在输入短语中（也应该在被搜索的文档中）。
- 在两个列表中搜索用户输入的关键词，然后，在每个文档中首次找到该关键词的位置，取其前后一定数量的词（例如5个）。这些词被放入数据集进行处理，因此如果一篇文章中有：
关键词：足球
“很多运动都很有趣，足球是一项既伟大又非常激烈的运动。” – 那么我的处理过程会将其截断为“很有趣，足球是一项”
我的目标是比较这些片段，例如“很有趣，足球是一项”，以判断它们是否可能在相似的上下文中使用等。
我想知道是否有人能指导我找到适合这种情况的模式、算法等。以上示例很简单，只是为了给出一个概念，但如果我能找到合适的地方学习更多关于这个的内容，我计划使其更加复杂。感谢任何信息
回答：
看起来你是在解决经典的KWIC问题。这可以通过索引来完成，或者只是简单地通过文本中的词进行for循环：
for i = 0 to length(text): if text[i] == word: emit(text[i-2], text[i-1], text[i], text[i+1], text[i+2])其中emit可能意味着打印它们，将它们存储在哈希表中，或者其他任何操作。
