首页 > 其他 > 详细

ansj构造最短路径

时间：2017-03-31 21:31:24      阅读：448      评论：0      收藏：0      [点我收藏+]

一、前言

上节介绍了ansj的原子切分和全切分。切分完成之后，就要构建最短路径，得到分词结果。
以“商品和服务”为例，调用ansj的标准分词：
String str = "商品和服务" ;
Result result = ToAnalysis.parse(str);
System.out.println(result.getTerms());
先不管数字发现、人名识别、用户自定义词典的识别，暂时只考虑ToAnalysis类里面，构建最短路径的这行代码：
graph.walkPath();
上面这行代码执行前，已完成了全切分，构建了如下的有向无环图：
技术分享
事实上，此时没有“务”这个节点
技术分享
如上图所示，terms[4] = null。
不过这也没关系，后面给节点打分时，会填充这个null，这段代码位于Graph.merger(Term fromTerm, int to, Map<String, Double> relationMap)：
char c = chars[to];
TermNatures tn = DATDictionary.getItem(c).termNatures;
if (tn == null || tn == TermNatures.NULL) {
tn = TermNatures.NULL;
}
terms[to] = new Term(String.valueOf(c), to, tn);
也就是说，给“和服”的后继节点打分时，发现其后继节点为null，那么就实例化一个Term，填充在terms[to]的位置。

二、理论基础

两个节点之间分之计算的代码位于MathUtil.compuScore(Term from, Term to, Map<String, Double> relationMap)
其中核心代码只有一行：
double value = -Math.log(dSmoothingPara * frequency / (MAX_FREQUENCE + 80000) + (1 - dSmoothingPara) * ((1 - dTemp) * nTwoWordsFreq / frequency + dTemp));
我们了探讨一下这行代码的理论基础。
首先，ansj使用二元语法模型（Bigram）进行分词。Bigram模型对应于一阶Markov假设，词只与其前面一个词相关，其对应的分词模型：

 

三、具体打分流程如下

代码位于Graph.walkPath(Map<String, Double> relationMap)。
Ansj采用了类似于Dijkstra的动态规划算法（作者称之为Viterbi算法）来求解最短路径。
如果存在一条从i到j的最短路径(Vi.....Vk,Vj)，Vk是Vj前面的一顶点，那么(Vi...Vk)也必定是从i到k的最短路径。（可参考Dijkstra算法）
1、从起始节点“始##始”开始，对其后继节点打分
技术分享
设置“商”、“商品”的前驱节点（也就是Term类的from属性）为“始##始”。
2、计算“商”后继节点的分值
技术分享
只有一个后继节点“品”。“商”和“品”的分值是13.509，因此从“始##始”到“品”的分值是19.56。
设置“品”的前驱节点为“商”。
3、计算“商品”后继节点分值
技术分享
设置“和”、“和服”的前驱节点为“商品”。
4、计算“品”后继节点分值
技术分享
以“和”为例，“和”有“商品”、“品”两个前驱节点。应该取分值最小的那个。因此，“和”的分值依然是8.92，前驱节点依然是“商品”。
同理，“和服”的前驱节点依然是“商品”。
对上图进行简化：
技术分享
5、计算“和”后继节点分值
技术分享
设置“服”、“服务”的前驱节点为“和”。
6、计算“和服”后继节点分值
技术分享
设置“务”的前驱节点为“和服”。
对上图简化：
技术分享
7、计算“服”后继节点分值
技术分享
“务”以“服”为前驱，可以得到更小的分值。因此，更改“务”的前驱节点为“服”。
对上图简化：
技术分享
8、计算“服务”后继节点分值
技术分享
设置“末##末”的前驱节点为“服务”。
9、计算“务”后继节点分值
技术分享
“末##末”以“服务”为前驱节点，分值更新。因此，“末##末”的前驱节点依然是“服务”。
对上图简化：
技术分享
10、设置后继节点
目前已构建了最短路径，并且知道了每个节点的前驱节点。
例如，“末##末”的前驱节点是“服务”。但是并没有将“服务”的后继节点（也就是Term类的to属性）设置为“末##末”。
Graph.optimalRoot()就是设置后继节点的。执行完该方法后，terms被简化为了如下形式：
技术分享
去掉null，就是分词结果了。
 

ansj构造最短路径

原文：http://www.cnblogs.com/royhoo/p/6653538.html
踩
(0)
赞
(0)
   
举报
评论 一句话评论（0）
分享档案
更多>
2021年09月23日 (328)
2021年09月24日 (313)
2021年09月17日 (191)
2021年09月15日 (369)
2021年09月16日 (411)
2021年09月13日 (439)
2021年09月11日 (398)
2021年09月12日 (393)
2021年09月10日 (160)
2021年09月08日 (222)
最新文章
更多>
教程昨日排行
更多>
友情链接
汇智网   PHP教程   插件网  
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣，分享程序人生！