N 元组

把一条评论或一段描述切成一个、两个、三个词的组，就得到候选短语。这是把自由文本变成可测量的东西的那一步。

让提取有用的是筛选，不是切分。虚词、品牌重复，以及——改变结果最多的那个筛选——带第一或第二人称代词的短语，都会被丢掉。

大小写折叠按国家的规则来，不按全局规则。把土耳其语规则用在所有地方会把 AI 变成别的东西，而一个被用两种方式折叠的短语，对系统来说是两个短语。