Contatore bigrammi di caratteri

Testo vuoto e stringhe più corte di due caratteri falliscono con invalid_input invece di una tabella vuota.

Cosa sono i bigrammi di caratteri e perché le loro frequenze contano

Questo endpoint implementa solo il conteggio deterministico: per una stringa di lunghezza n registra n meno una finestre sovrapposte, accumula chiavi identiche di due caratteri, ordina per conteggio decrescente con spareggio lessicografico stabile sulla stringa del bigramma e allega a ogni riga la sua quota del totale delle finestre. Per impostazione predefinita la capitalizzazione è preservata così Ab e ab restano distinti; imposti case_sensitive a false quando desidera un profilo unificato per esperimenti di lingua.

Contratto di input, forma della risposta e comportamento degli errori

Esempio: banana produce cinque bigrammi totali con an e na che contano due ciascuno, ba che conta uno, ranghi ordinati per frequenza e poi per stringa del bigramma. Invii con POST un corpo JSON con un campo obbligatorio, text, la stringa non vuota che desidera scansionare per coppie adiacenti. Sono accettati gli alias input, string, value, content e s così gli script possono riutilizzare nomi comuni. L’opzionale case_sensitive ha valore predefinito true e può anche essere inviato come caseSensitive o sensitive; quando è false l’intera stringa viene convertita in minuscolo prima del conteggio, così Hello e hello condividono le stesse chiavi di digramma. L’opzionale top (alias limit, n) è un intero da uno a diecimila che tronca la tabella ordinata dopo l’ordinamento; lo ometta per ricevere ogni bigramma unico. Assenza di text, stringhe vuote, oggetti e array non stringa, e valori che dopo l’unificazione del caso restano più corti di due caratteri falliscono con invalid_input e un messaggio che nomina il problema—tali fallimenti di validazione non vengono addebitati. Il testo oltre il limite max_chars dichiarato viene pure rifiutato. In caso di successo il corpo riecheggia il testo originale e la sua length, riporta total_bigrams come length meno uno della forma scansionata, unique_bigrams come numero di coppie distinte, case_sensitive risolto, top opzionale se lo ha impostato, un array frequencies di oggetti con rank, bigram, count e share arrotondato a sei decimali, e method uguale a char_bigram_frequency. Abbini la tabella ai propri modelli di lingua o grafici se le servono classificatori o mappe di calore; questo endpoint conta soltanto e non emette grafici né previsioni di modello.

Dove un’API di frequenza dei bigrammi di caratteri conviene

I prototipi di rilevamento della lingua e i laboratori didattici necessitano di un oracolo deterministico di digrammi affinché ogni taccuino dello studente e ogni valutatore concordino sugli stessi ranghi per lo stesso paragrafo campione. Gli esperimenti di tipografia e layout di tastiera estraggono statistiche di coppie da frammenti di corpus per prioritizzare il kerning o valutare il costo di percorso senza consegnare un’intera stack NLP. La validazione fallita non consuma saldo. I corsi di crittoanalisi e i write-up di CTF usano i totali delle coppie adiacenti come primo filtro prima di strumenti più pesanti, e una piccola API di parse evita di reimplementare ordinamento e aritmetica delle quote in ogni linguaggio. Poiché l’implementazione è parse di tier A puro, ogni chiamata riuscita costa il prezzo base pubblicato $0.002 senza token di modello e senza rete in uscita.