我确定有一篇关于此的帖子,但我找不到有人问这个确切的问题。考虑以下:
- 我们有一个可用的字典
- 我们得到了很多单词段落,我希望能够在给定这个输入的情况下预测句子中的下一个单词。
假设我们有几句话,例如“你好,我叫汤姆”、“他叫杰瑞”、“他去没有水的地方”。如果一个单词存在,我们检查一个哈希表。如果没有,我们为其分配一个唯一的 id 并将其放入哈希表中。这样,我们可以只拥有一个 uniqueID 列表,而不是将单词“链”存储为一堆字符串。
在上面,我们将有例如 (0, 1, 2, 3, 4), (5, 2, 3, 6) 和 (7, 8, 9, 10, 3, 11, 12)。请注意,3 是“是”,我们在发现新单词时添加了新的唯一 ID。所以假设我们得到一个句子“她的名字是”,这将是 (13, 2, 3)。在这种情况下,我们想知道下一个词应该是什么。这是我想到的算法,但我不认为它有效:
- 我们有 N 个链(观察到的句子)的列表,其中一个链可能是 ex。3,6,2,7,8。
- 每个链的平均大小为 M,其中 M 是平均句子长度
- 我们得到一个大小为 S 的新链,例如。13、2、3,我们想知道最可能的下一个词是什么?
算法:
首先扫描包含完整 S 输入(在本例中为 13、2、3)的链的整个列表。由于我们必须扫描 N 个链,每个链的长度为 M,并且一次比较 S 个字母,因此它的 O(N*M*S)。
如果我们的扫描中没有具有完整 S 的链,则通过删除最低有效字进行下一次扫描(即第一个,因此删除 13)。现在,像 1 一样扫描 (2,3),最坏的情况是 O(N*M*S),它实际上是 S-1。
继续以这种方式扫描,直到我们得到结果 > 0(如果有的话)。
计算我们收集的所有剩余链中的下一个单词。我们可以使用一个哈希表来计算每次添加的次数,并跟踪添加次数最多的单词。O(N) 最坏情况构建,O(1) 找到最大单词。
- 找到的最大单词是最有可能的,所以返回它。
每次扫描都需要 O(M*N*S) 最坏情况。这是因为有 N 条链,每条链都有 M 个编号,我们必须检查 S 个编号以覆盖匹配项。我们扫描 S 次最坏情况(13,2,3,然后 2,3,然后 3 次扫描 3 = S)。因此,总复杂度为 O(S^2 * M * N)。
因此,如果我们有 100,000 条链和 10 个单词的平均句子长度,我们正在查看 1,000,000*S^2 以获得最佳单词。显然,N >> M,因为句子长度一般不随观察到的句子数量成比例,所以 M 可以是一个常数。然后我们可以将复杂度降低到 O(S^2 * N)。O(S^2 * M * N) 可能对分析更有帮助,因为 M 可以是一个相当大的“常数”。
对于此类问题,这可能是完全错误的方法,但我想分享我的想法,而不是公然寻求帮助。我以我的方式扫描的原因是因为我只想尽可能多地扫描。如果没有完整的 S,则继续修剪 S,直到某些链匹配。如果它们永远不匹配,我们不知道下一个词要预测什么!关于时间/空间复杂度较低的解决方案有什么建议吗?谢谢!