1. 找一个巨大的语料库。
2. 用分词（比如 jieba ）抽取词的 token 。
3. 然后直接统计。

----

但是……

这个方法估计你得不到有意义的答案，原因是 word token 太稀疏了，所以是失真的。

改进方法：

1. 找一个巨大的语料库。
2. 用分词抽取 word token 。
3. 训练 word embedding model 。
4. 训练一个分类器，p(next word embedding | previous word embedding)

----

如果要增加效果，可以考虑

p(next word embedding | context)

而不是只给定上一个词语。相关的改进建议查询论文。

❯ time seq 1 100000000 > /dev/null
seq 1 100000000 > /dev/null 15.53s user 0.02s system 99% cpu 15.553 total

@LeeReamond 一般 cmake 就行了。第三方库直接一起丢进来编译就是了。C++ 算法库一般都是模板，而模板库一般都是 header-only ，根本不难编译。pybind11 用 os 自带的就行，apt-get install pybind11-dev python3-dev 然后 cmake FindPackage 就可以了。

你这需求难度堪比造火箭。

举个常见的例子，男的失恋了去找兄弟，然后就是喝酒吹牛兜风玩游戏，基本目标是消磨时间；女的失恋找姐妹，会聊很多生活的经历和想法，讨论用什么心态对待，算是情感上的连接。
----

@Zerek 楼主加油。你看 53L 的言论「“失恋”这种词也是种软弱，就不应该出现在男性身上。。。」，就知道为啥你找不到可以聊的同性了。统计上，我国大环境如此，水做的男人不多的。

不过既然楼主的性格有点水做的，不如找找强势的大姐姐。或者干脆女装（ doge

上述操作必须用指针在那里魔法计算。。。不要用 STL 容器。不然速度还是提不上去

比如，如果都是英文字母，不需要区分大小写，那你的符号表就只有 26 个字符。为了速度可以取 32 。

既然长度都在 1~5 之间，那你用三层 Trie tree 就能有效压缩深度。每一层是 1024 个格子，取格子只要位移操作不用乘法。相当于分层快速哈希，而且必然没有冲突了。

Trie Tree 可能会快一点，但你要用 C++ 来极限优化，不然反而比 hash 更慢。

总之运算符重载在特定场景下好用，但是不能滥用。

@murmur 你这也太绝对了。科学计算的时候还是很希望面对“符号”计算而不用关心这个符号是什么类型的。Julia 的核心优势就是在写科学计算过程式不用关心类型，但编译时又能代入类型进行优化。。。。（对就是 C++ 模板的 easy 版。

不可能三角：

运行效率、功能、开发成本。

@noe132 你是不是对 css 有所误解。。。

现代化 js 框架 + webpack 不应该有 scoped css 用吗？

比如 vue one file component

In [1]: S = '哈哈🎋🧨😘'

In [2]: S[::-1]
Out[2]: '😘🧨🎋哈哈'

In [3]: len(S)
Out[3]: 5

其实让我比较惊讶的是

console.log(str.length) //8
console.log([...str].length) // 5

别的语言要么都是 8 ，要么都是 5 。不愧是大 JS ，继三位一体不等式以后，又出现了新的不一致性。

@mekingname ummm 你的理由我认同，但我觉得你的例子不太妥当。

TencentStringUtil 不行，你得至少用 tencent/StringUtil 。

不过话说回来，我觉得问题的核心是，别的语言都会用下划线，比如 "flask_wtf"。到 Java 这边至少也得是个 spring.xxx.yyy ，就是不喜欢平行扩展命名空间用分隔符。这才是嵌套目录深的原因。

https://zhuanlan.zhihu.com/p/146369212

AC 自动机？