スペースを含まないテキストを単語リストに分割する
概要
この記事では、スペースを含まない単語で構(gòu)成される文字列を分割するための効率的なアルゴリズムを紹介します。
問題ステートメント
入力: "tableapplechairtablecupboard..."
出力: ["table", "apple", "椅子", "テーブル", ["食器棚", ["カップ", "ボード"]], ...]
アルゴリズムの概要
アルゴリズムは、単純なアプローチを使用するのではなく、単語の頻度を活用して精度を向上させます。単語が獨立して分布し、Zipf の法則に従っていると仮定すると、アルゴリズムは動的プログラミングを使用して、最も可能性の高い単語のシーケンスを特定します。
コード
<code class="python">from math import log
words = open("words-by-frequency.txt").read().split()
wordcost = dict((k, log((i+1)*log(len(words)))) for i,k in enumerate(words))
maxword = max(len(x) for x in words)
def infer_spaces(s):
cost = [0]
for i in range(1,len(s)+1):
c,k = best_match(i)
cost.append(c)
out = []
i = len(s)
while i>0:
c,k = best_match(i)
out.append(s[i-k:i])
i -= k
return " ".join(reversed(out))
def best_match(i):
candidates = enumerate(reversed(cost[max(0, i-maxword):i]))
return min((c + wordcost.get(s[i-k-1:i], 9e999), k+1) for k,c in candidates)
s = 'thumbgreenappleactiveassignmentweeklymetaphor'
print(infer_spaces(s))</code>
単語頻度推定
このアルゴリズムは、Zipf の法則を前提として、単語を相対頻度にマッピングする辭書に依存します。目に見えない単語を考慮して、それらに高いコストが割り當てられます。
動的プログラミング
アルゴリズムは、次の単語の可能性を考慮して、考えられる各単語セグメントのコストを計算します。動的プログラミングを使用して最小コストのパスを選択し、最も可能性の高い単語シーケンスを保証します。
パフォーマンスの最適化
大規(guī)模な入力の場合、テキストをブロックに分割して処理することでアルゴリズムを最適化できます。それらは獨立して行われます。これにより、精度に大きな影響を與えることなくメモリ使用量が削減されます。
以上が単語の頻度と動的プログラミングを活用して、スペースのないテキストを効率的に単語リストに分割するにはどうすればよいでしょうか?の詳細內(nèi)容です。詳細については、PHP 中國語 Web サイトの他の関連記事を參照してください。
ホットAIツール
Undress AI Tool
脫衣畫像を無料で
Undresser.AI Undress
リアルなヌード寫真を作成する AI 搭載アプリ
AI Clothes Remover
寫真から衣服を削除するオンライン AI ツール。
Clothoff.io
AI衣類リムーバー
Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。
人気の記事
ホットツール
メモ帳++7.3.1
使いやすく無料のコードエディター
SublimeText3 中國語版
中國語版、とても使いやすい
ゼンドスタジオ 13.0.1
強力な PHP 統(tǒng)合開発環(huán)境
ドリームウィーバー CS6
ビジュアル Web 開発ツール
SublimeText3 Mac版
神レベルのコード編集ソフト（SublimeText3）
ホットトピック
8639
17
1785
16
1729
56
1581
29
1445
31
Pythonの不適格またはPytestフレームワークは、自動テストをどのように促進しますか？
Jun 19, 2025 am 01:10 AM
Pythonの不適格でPytestは、自動テストの書き込み、整理、および実行を簡素化する2つの広く使用されているテストフレームワークです。 1.両方とも、テストケースの自動発見をサポートし、明確なテスト構(gòu)造を提供します。 pytestはより簡潔で、テスト\ _から始まる関數(shù)が必要です。 2。それらはすべて組み込みのアサーションサポートを持っています：Unittestはアサートエクイアル、アサートトルー、およびその他の方法を提供しますが、Pytestは拡張されたアサートステートメントを使用して障害の詳細を自動的に表示します。 3.すべてがテストの準備とクリーニングを処理するためのメカニズムを持っています：un
Pythonは、NumpyやPandasなどのライブラリとのデータ分析と操作にどのように使用できますか？
Jun 19, 2025 am 01:04 AM
pythonisidealfordataanalysisduetonumpyandpandas.1）numpyexcelsatnumericalcompitations withfast、多次元路面およびベクトル化された分離likenp.sqrt（）
動的なプログラミング技術(shù)とは何ですか？また、Pythonでそれらを使用するにはどうすればよいですか？
Jun 20, 2025 am 12:57 AM
動的プログラミング（DP）は、複雑な問題をより単純なサブ問題に分解し、結(jié)果を保存して繰り返し計算を回避することにより、ソリューションプロセスを最適化します。主な方法は2つあります。1。トップダウン（暗記）：問題を再帰的に分解し、キャッシュを使用して中間結(jié)果を保存します。 2。ボトムアップ（表）：基本的な狀況からソリューションを繰り返し構(gòu)築します。フィボナッチシーケンス、バックパッキングの問題など、最大/最小値、最適なソリューション、または重複するサブ問題が必要なシナリオに適しています。Pythonでは、デコレータまたはアレイを通じて実裝でき、再帰的な関係を特定し、ベンチマークの狀況を定義し、空間の複雑さを最適化することに注意する必要があります。
__iter__と__next__を使用してPythonにカスタムイテレーターを?qū)g裝するにはどうすればよいですか？
Jun 19, 2025 am 01:12 AM
カスタムイテレーターを?qū)g裝するには、クラス內(nèi)の__iter__および__next__メソッドを定義する必要があります。 __iter__メソッドは、ループなどの反復環(huán)境と互換性があるように、通常は自己の反復オブジェクト自體を返します。 __next__メソッドは、各反復の値を制御し、シーケンスの次の要素を返し、アイテムがもうない場合、停止例外をスローする必要があります。 statusステータスを正しく追跡する必要があり、無限のループを避けるために終了條件を設(shè)定する必要があります。 fileファイルラインフィルタリングなどの複雑なロジック、およびリソースクリーニングとメモリ管理に注意を払ってください。 simple単純なロジックについては、代わりにジェネレーター関數(shù)の収率を使用することを検討できますが、特定のシナリオに基づいて適切な方法を選択する必要があります。
Pythonプログラミング言語とそのエコシステムの新たな傾向または將來の方向性は何ですか？
Jun 19, 2025 am 01:09 AM
Pythonの將來の傾向には、パフォーマンスの最適化、より強力なタイププロンプト、代替ランタイムの増加、およびAI/MLフィールドの継続的な成長が含まれます。第一に、CPYTHONは最適化を続け、スタートアップのより速い時間、機能通話の最適化、および提案された整數(shù)操作を通じてパフォーマンスを向上させ続けています。第二に、タイプのプロンプトは、コードセキュリティと開発エクスペリエンスを強化するために、言語とツールチェーンに深く統(tǒng)合されています。第三に、PyscriptやNuitkaなどの代替のランタイムは、新しい機能とパフォーマンスの利點を提供します。最後に、AIとデータサイエンスの分野は拡大し続けており、新興図書館はより効率的な開発と統(tǒng)合を促進します。これらの傾向は、Pythonが常に技術(shù)の変化に適応し、その主要な位置を維持していることを示しています。
ソケットを使用してPythonでネットワークプログラミングを?qū)g行するにはどうすればよいですか？
Jun 20, 2025 am 12:56 AM
Pythonのソケットモジュールは、クライアントおよびサーバーアプリケーションの構(gòu)築に適した低レベルのネットワーク通信機能を提供するネットワークプログラミングの基礎(chǔ)です。基本的なTCPサーバーを設(shè)定するには、Socket.Socket（）を使用してオブジェクトを作成し、アドレスとポートをバインドし、.listen（）を呼び出して接続をリッスンし、.accept（）を介してクライアント接続を受け入れる必要があります。 TCPクライアントを構(gòu)築するには、ソケットオブジェクトを作成し、.connect（）を呼び出してサーバーに接続する必要があります。次に、.sendall（）を使用してデータと.recv（）を送信して応答を受信します。複數(shù)のクライアントを処理するには、1つを使用できます。スレッド：接続するたびに新しいスレッドを起動します。 2。非同期I/O：たとえば、Asyncioライブラリは非ブロッキング通信を?qū)g現(xiàn)できます。注意すべきこと
Pythonクラスの多型
Jul 05, 2025 am 02:58 AM
Pythonオブジェクト指向プログラミングのコアコンセプトであるPythonは、「1つのインターフェイス、複數(shù)の実裝」を指し、異なるタイプのオブジェクトの統(tǒng)一処理を可能にします。 1。多型は、メソッドの書き換えを通じて実裝されます。サブクラスは、親クラスの方法を再定義できます。たとえば、Animal ClassのSOCK（）方法は、犬と貓のサブクラスに異なる実裝を持っています。 2.多型の実用的な用途には、グラフィカルドローイングプログラムでdraw（）メソッドを均一に呼び出すなど、コード構(gòu)造を簡素化し、スケーラビリティを向上させる、ゲーム開発における異なる文字の共通の動作の処理などが含まれます。 3. Pythonの実裝多型を満たす必要があります：親クラスはメソッドを定義し、子クラスはメソッドを上書きしますが、同じ親クラスの継承は必要ありません。オブジェクトが同じ方法を?qū)g裝する限り、これは「アヒル型」と呼ばれます。 4.注意すべきことには、メンテナンスが含まれます
Pythonでリストをスライスするにはどうすればよいですか？
Jun 20, 2025 am 12:51 AM
Pythonリストスライスに対するコアの答えは、[start：end：step]構(gòu)文をマスターし、その動作を理解することです。 1.リストスライスの基本形式はリスト[start：end：step]です。ここで、開始は開始インデックス（含まれています）、endはend index（含まれていません）、ステップはステップサイズです。 2。デフォルトで開始を省略して、0から開始を開始し、デフォルトで終了して終了し、デフォルトでステップを1に省略します。 3。my_list[：n]を使用して最初のnアイテムを取得し、my_list [-n：]を使用して最後のnアイテムを取得します。 4.ステップを使用して、my_list [:: 2]などの要素をスキップして、均一な數(shù)字と負のステップ値を取得できます。 5.一般的な誤解には、終了インデックスが含まれません
