求助，关键字的提取问题
本人要实现一个功能,比如我在host A给另一个host B发送一堆内容（S1,S2,S3....Sn），B可以从这一堆字符串中提取关键字（可以这么定义，提取S1,S2,S3......中出现的次数最多的前9个字符串，定义成关键字，这是我想到一种方法，不知道有没有更好的关键字定义方法么？），然后有了关键字，又怎么比较相似度了？

其实我还有个想法了，类似于文本归类，比如（S1,S2,S3）,(S4,S5,S6),(S7,S8,S9)这三个为一类，host B收到了这里的9个消息，这个时候host A把S4报告给host B，那么在B端该怎么精确地找到(S4,S5,S6)集合呢？

请问各位大侠有什么想法么？

------解决方案--------------------
根据你的描述（你的描述我只能看个大概），可以用hash建立key-value对，将S4作为key，(S4,S5,S6)作为value，前提是你的key值不重复，这样能迅速准确找到s4对应的集合