C# 文档中的平行计数字

你知道如何使这个循环更快吗？ 它统计每个单词在文档中出现的频率

_documentVectorSpace是包含有关文档的杂项信息的对象列表

_documentVectorSpace[i]。术语是文档中的单词数组

_DistincterMS是所有文档中包含的所有唯一单词的哈希集

Parallel.For(0, _documentVectorSpace.Count, i =>
{
    int count = 0;
    double[] vec = new double[_distinctTerms.Count];
    foreach (string term in _distinctTerms)
    {
        vec[count++] = Weight(_documentVectorSpace[i].Terms, term);
    }
    _documentVectorSpace[i].VectorSpace = vec;
 });

其中，重量定义为：

private float Weight(string[] document, string term)
{
    return document.Where(s => s == term).Count();
}

---

您正在枚举每个

术语的
\u documentVectorSpace[i]。术语。您应该反转循环，以便从
\u documentVectorSpace[i].Terms开始，并在
\u distinctTerms
中查找值

此外，从这个示例很难看出生成
\u documentVectorSpace
的效率有多高。在快速运行时，很可能会跳过此函数所需的大量工作。
在distinctTerms中为每个单词扫描一次文档非常昂贵，而且您没有充分利用HashSet查找的功能。您应该做的是扫描文档一次，识别
\u distinctTerms
中的每个单词，并更新向量。大致如下：（未经测试的代码）

当然，
\u distinctTerm
现在应该是一个将术语映射到索引的字典。
对于字符串比较，应该使用
string.Equals（s，term，StringComparison.OrdinalIgnoreCase）
。听起来像是“信息检索”赋值：）
Parallel.For(0, _documentVectorSpace.Count, i =>
{
    int count = 0;
    double[] vec = new double[_distinctTerms.Count];
    Parallel.ForEach(_documentVectorSpace[i].Terms, term =>
    {
        if (_distinctTerms.ContainsKey(term))
        {
            Interlocked.Increment(ref vec[_distinctTerms[term]]);
        }
    });
    _documentVectorSpace[i].VectorSpace = vec;
 });