我正在编写一个自动纠正程序,它使用levenshtein distance纠正 基于特定字典(包含8000个单词)的不超过64个字符的短语。用于文本自动纠正的动态算法
该字典在每行上都包含“Word word_frequency”对。 我使用DictionarEntry对象来存储这些对。 Class Dictionar Entry有两个字段: value:存储单词字符串 freq:存储频率 字典存储为LinkedList。 我从stdin读取了64个字符的字符串。 处理它之前,我删除所有的空格。 “Coo lweather” - >“Coolweather” 我注意到,在由levenshtein动态计算的矩阵的最后一行中,计算每个前缀的levenshtein距离,参见 它返回所有前缀的距离。
函数lev返回一个包含从第二个参数字符串到所有第一个前缀(包括自身)的l.distance的向量。
我的问题是,我必须尊重一些附加规则: min lev。距离 - >最小字数 - >最大频率和 - >最小字典 这将被解释为如果解决方案的总数大于1 我们采用最少的字数。如果仍然有不止一个,我们会遵循规则列表。
我应用的动态类似于背包动态。 我不知道如何实现的话规则的最小数量(最高频率一个非常类似)
这里是我试过到目前为止 输入/输出例子,其中失败: “疮保留”答案应该是如此保留,我所得到的实际上是如此服务 我选择了这种方法,因为它更有效率。 Java的时间限制是2秒。
更新:4月7日。我找到了解决我的问题的办法,但是CPU时间太长,所以我需要优化它。 它不应该高于2000毫秒,它目前在6000毫秒左右。所以现在我的主要焦点是优化它。
public static String guess (String input, LinkedList<DictionarEntry> Dictionar){
String curent = new String();
String output = new String();
int costMatrix[][][] = new int [input.length()][8000][input.length()];
int index[] = new int[128];
int prev[]= new int[128];
int d[]=new int [128];
int freq[]= new int[128];
int wcount[]=new int[128];
String values[] = new String[128];
for (int i=0 ; i < 128 ; i++){
d[i]=127;
freq[i]=0;
wcount[i]=1;
values[i]="";
}
d[0]=0;
freq[0]=0;
for (int i = 0 ; i <input.length(); ++i){
curent=input.subSequence(i, input.length()).toString();
long start =System.currentTimeMillis();
for (int j = 0 ; j < Dictionar.size();++j){
costMatrix[i][j]=lev(Dictionar.get(j).value,curent);
for(int k=1;k<costMatrix[i][j].length;++k){
if(d[i]+costMatrix[i][j][k]<d[i+k]){
d[i+k]= d[i]+costMatrix[i][j][k];
values[i+k]=values[i]+Dictionar.get(j).value;
freq[i+k]=freq[i]+Dictionar.get(j).freq;
index[i+k]=j;
prev[i+k]=i;
wcount[i+k]=wcount[i]+1;
}
else if ((d[i]+costMatrix[i][j][k])==d[i+k])
if((wcount[i]+1) <wcount[i+k]){
values[i+k]=values[i]+Dictionar.get(j).value;
freq[i+k]=freq[i]+Dictionar.get(j).freq;
index[i+k]=j;
prev[i+k]=i;
wcount[i+k]=wcount[i]+1;
}
else if ((wcount[i]+1)==wcount[i+k])
if((freq[i]+Dictionar.get(j).freq)>freq[i+k]){
values[i+k]=values[i]+Dictionar.get(j).value;
freq[i+k]=freq[i]+Dictionar.get(j).freq;
index[i+k]=j;
prev[i+k]=i;
wcount[i+k]=wcount[i]+1;
}
else if ((freq[i]+Dictionar.get(j).freq)==freq[i+k]){
if((values[i]+Dictionar.get(j).value).compareTo(values[i+k])>0){
values[i+k]=values[i]+Dictionar.get(j).value;
freq[i+k]=freq[i]+Dictionar.get(j).freq;
index[i+k]=j;
prev[i+k]=i;
wcount[i+k]=wcount[i]+1;
}
}
}
}
long finished =System.currentTimeMillis();
System.out.println((finished-start));
output="";
}
int itr=input.length();
while(itr!=0){
output = Dictionar.get(index[itr]).value + " " + output;
itr=prev[itr];
}
return output;
}
我应该在哪里实施规则以及如何(理想情况下以比使用矩阵更有效的方式)?
的情况下有任何疑问或我留下的东西不清楚,请随时提出
*“我得到的竟是这样重新担任” * [原文]只是要清楚:你的8000个字的字典里“,所以“,”重新“,”服务“和”保留“,但没有”疼痛“? – TacticalCoder 2012-04-06 12:10:24
所以保留将是正确的答案,因为保留和保留之间的levenshtein距离是相等的(如果你忽略空格,我这样做),但保留有更高的频率。 – pAndrei 2012-04-07 07:34:31
它是否必须是动态算法?你能使用标准的java地图,集合等吗? – Andrejs 2012-04-07 09:20:56