Как найти общие фразы в большом теле текста

Я работаю над проектом в данный момент, где я должен выбрать наиболее распространенные фразы в огромном теле текста. Например, скажите, что у нас есть три предложения как следующее:

• Собака перепрыгнула через женщину.
• Собака вскочила в автомобиль.
• Собака перешла вверх по лестнице.

От вышеупомянутого примера я хотел бы извлечь "собаку, перешедшую", поскольку это - наиболее распространенная фраза в тексте. Сначала я думал, "о, позволяет, используют ориентированного графа [с повторными узлами]":

ориентированный граф http://img.skitch.com/20091218-81ii2femnfgfipd9jtdg32m74f.png

Править: Извинения, я сделал ошибку при передаче этой схемы, "в" и должен все связаться назад с.

Я собирался поддержать количество того, сколько раз слово произошло в каждом объекте узла (быть 6; "собака" и "перешла", 3; и т.д.), но несмотря на многие другие проблемы основная прибыла, когда мы добавляем еще несколько примеров как (проигнорируйте плохую грамматику:-)):

• Собака подпрыгнула.
• Собака, перешедшая как никакая собака, когда-либо переходила прежде.
• Собака перешла счастливо.

У нас теперь есть проблема, так как "собака" запустила бы новый корневой узел (на том же уровне как), и мы не определим, что "собака перешла" как теперь являющийся наиболее распространенной фразой. Таким образом, теперь я думаю, возможно, что я мог использовать неориентированного графа, чтобы отобразить отношения между всеми словами и в конечном счете выбрать общие фразы, но я не уверен, как это собирается работать также, поскольку Вы теряете важные отношения порядка между словами.

Делает у любого есть любые общие представления о том, как определить общие фразы в большом теле текста и какую структуру данных я использовал бы.

Спасибо, Ben