对N-Grams的尝试
对于面试出这道题目，我的猜想是ng算法是es搜索这类分布式存储的一种模糊查询的方式。所以出了这道题目。看起来像是搞人工智能算法，但实际上确实在分布式领域用得上。
个人还是挺喜欢挑战这些有趣的算法，遂尝试了一下。
个人理解，ng算法就是将文本转化成按n个字母划分，并用出现频率排序的一种标识文本特征的算法。
第一步：将文本按照以n为大小的窗口滑动取值，将结果放入哈希map，若已经存在了，把value加一
第二步：将这个哈希map的数据放入vector数组，用自己写的sort进行排序，以频数优先，频数相等，用字典序排先后。这个排好序的vector就是ng算法的特征输出了。
第三步：获得两个vector，将要识别文本的vector，以<grams（特征值），频数排名>存入哈希map。
遍历训练文本的vector，在哈希map中查找，若存在，则计算当前vector的下标和map中对应排名的绝对值。将其累加。若不存在，则这个绝对值为数组长度（使用一个最大值，代表距离最远）。
第四步：重复第三步，获取一系列的绝对值和对应分类名称。按绝对值升序排序，作为预测分类输出。
所以按理说，使用训练文本来预测，一定绝对值是0，这样才是正确的。
PS：
但是不知道为什么，示例里的芬兰语文章，预测出来是英语，但是摘取网上的芬兰语文章预测结果是正确的。摘取网上其他种类语言也都能正确预测。也许是需要其他的细节上的改进。
PS:
这个输入输出要求真严格2333.
一些测试用例与结果
下图是一个芬兰语的歌曲
芬兰语歌曲- Nyt Ja Tässä
德语文章，也是网上随便搜的
来源如图下所示
挪威语可真难找，找了个网站搜搜了https://www.startsiden.no/sok/?q=Spanx
来源如下
