


Text in eine Wortliste ohne Leerzeichen aufteilen
Problem
Gegeben sei eine Textzeichenfolge, die aus aneinandergereihten Wörtern ohne Leerzeichen besteht:
Input: "tableapplechairtablecupboard..."
Wie können wir diesen Text effizient in eine Liste einzelner Wörter aufteilen?
Output: ["table", "apple", "chair", "table", ["cupboard", ["cup", "board"]], ...]
Algorithmus
Ein einfacher Ansatz besteht darin, iterativ das längstmögliche Wort im Text zu finden. Dies kann jedoch zu suboptimalen Ergebnissen führen.
Frequenzbasierter Algorithmus
Stattdessen können wir die relative Häufigkeit von Wörtern in der Sprache ausnutzen, um die Genauigkeit zu verbessern:
- Modellieren Sie die Wortverteilung: Gehen Sie davon aus, dass Wörter unabhängig voneinander verteilt sind und dem Gesetz von Zipf folgen, wobei die Wortwahrscheinlichkeit umgekehrt proportional zu ihrem Rang ist.
- Wortkosten definieren: Die Kosten eines Wortes ist definiert als der Logarithmus des Kehrwerts seiner Wahrscheinlichkeit.
-
Dynamischer Programmieransatz:
- Initialisieren Sie ein Kostenarray, bei dem das erste Element ist 0.
- Suchen Sie für jedes Zeichen im Text das Wort, das die Gesamtkosten für Zeichen bis zu diesem Punkt minimiert.
- Gehen Sie vom Ende zurück, um die Wortsequenz mit den minimalen Kosten zu rekonstruieren .
Code-Implementierung
<code class="python">from math import log wordcost = {} # Dictionary of word costs using Zipf's law maxword = max(len(word) for word in wordcost) def infer_spaces(s): cost = [0] for i in range(1, len(s) + 1): candidates = enumerate(reversed(cost[max(0, i - maxword):i])) c, k = min((wordcost.get(s[i - k - 1:i], 9e999) + c, k + 1) for k, c in candidates) cost.append(c) out = [] i = len(s) while i > 0: c, k = best_match(i) assert c == cost[i] out.append(s[i - k:i]) i -= k return " ".join(reversed(out))</code>
Ergebnisse
Dieser Algorithmus ist in der Lage, Text präzise in eine Liste von Wörtern zu segmentieren, sogar in das Fehlen von Leerzeichen.
Beispiel:
Input: "tableapplechairtablecupboard..." Output: ["table", "apple", "chair", "table", ["cupboard", ["cup", "board"]], ...]
Optimierungen:
- Suffixbaum : Durch den Aufbau eines Suffixbaums aus der Wortliste kann die Kandidatensuche beschleunigt werden.
- Aufteilung von Textblöcken: Bei großen Texteingaben kann der Text in Blöcke aufgeteilt werden Minimieren Sie die Speichernutzung und bewahren Sie gleichzeitig die Genauigkeit.
Das obige ist der detaillierte Inhalt vonWie können wir eine Textfolge aus aneinandergereihten Wörtern ohne Leerzeichen effizient in einzelne Wörter aufteilen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Sie können grundlegende Programmierkonzepte und Fähigkeiten von Python innerhalb von 2 Stunden lernen. 1. Lernen Sie Variablen und Datentypen, 2. Master Control Flow (bedingte Anweisungen und Schleifen), 3.. Verstehen Sie die Definition und Verwendung von Funktionen, 4. Beginnen Sie schnell mit der Python -Programmierung durch einfache Beispiele und Code -Snippets.

Python wird in den Bereichen Webentwicklung, Datenwissenschaft, maschinelles Lernen, Automatisierung und Skripten häufig verwendet. 1) In der Webentwicklung vereinfachen Django und Flask Frameworks den Entwicklungsprozess. 2) In den Bereichen Datenwissenschaft und maschinelles Lernen bieten Numpy-, Pandas-, Scikit-Learn- und TensorFlow-Bibliotheken eine starke Unterstützung. 3) In Bezug auf Automatisierung und Skript ist Python für Aufgaben wie automatisiertes Test und Systemmanagement geeignet.

Sie können die Grundlagen von Python innerhalb von zwei Stunden lernen. 1. Lernen Sie Variablen und Datentypen, 2. Master -Steuerungsstrukturen wie wenn Aussagen und Schleifen, 3. Verstehen Sie die Definition und Verwendung von Funktionen. Diese werden Ihnen helfen, einfache Python -Programme zu schreiben.

Wie lehre ich innerhalb von 10 Stunden die Grundlagen für Computer -Anfänger für Programmierungen? Wenn Sie nur 10 Stunden Zeit haben, um Computer -Anfänger zu unterrichten, was Sie mit Programmierkenntnissen unterrichten möchten, was würden Sie dann beibringen ...

Wie kann man nicht erkannt werden, wenn Sie Fiddlereverywhere für Man-in-the-Middle-Lesungen verwenden, wenn Sie FiddLereverywhere verwenden ...

Laden Sie Gurkendateien in Python 3.6 Umgebungsbericht Fehler: ModulenotFoundError: Nomodulennamen ...

Wie löste ich das Problem der Jiebeba -Wortsegmentierung in der malerischen Spot -Kommentaranalyse? Wenn wir malerische Spot -Kommentare und -analysen durchführen, verwenden wir häufig das Jieba -Word -Segmentierungstool, um den Text zu verarbeiten ...

Wie benutze ich den regulären Ausdruck, um das erste geschlossene Tag zu entsprechen und anzuhalten? Im Umgang mit HTML oder anderen Markup -Sprachen sind häufig regelmäßige Ausdrücke erforderlich, um ...


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

EditPlus chinesische Crack-Version
Geringe Größe, Syntaxhervorhebung, unterstützt keine Code-Eingabeaufforderungsfunktion

SublimeText3 Linux neue Version
SublimeText3 Linux neueste Version

WebStorm-Mac-Version
Nützliche JavaScript-Entwicklungstools

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Herunterladen der Mac-Version des Atom-Editors
Der beliebteste Open-Source-Editor