Pipe类与Instance类介绍

原文地址：Pipe类与Instance类介绍 作者：章芝青

抽象类pipe，是所有pipe类的父类，这些类的作用就是将数据从一种形式转成另一种形式。在特征提取阶段，pipe类是最常用的。

pipe类操纵Instance类，Instance类是描述数据的类，也是十分重要的一个类。

 

每一个Instance包括四个预定义的域，分别是："data", "target", "name", 和"source"。

"Data" 保存着每个实例的数据表示

"target" 是一个与实例相关的标签

"name" 是每个实例的短的可识别的名字，就像文件名

"source" 是可读的源文件信息，就像初始的文本

每个域都没有预定义的类型，而是随着实例的处理在改变类型。举个例子，data域刚开始可是是string类型，表示文件名，然后随着pipe的类变成CharSequence表示文件的内容，最终变成特征向量，而特征向量则保留着按照字母表顺序在文件中的词表。它随着pipe类的处理变化着，最常见的是pipe类修改data域的值。

总的来说，有两种使用Instance的方式。（1）一个实例通过Pipe类来创建，并且通过Pipe类及子类产生data/target/name/source域的值，这通常在训练时做（2）实例产生原始的值在各个域中，然后不同的使用者，即各种Pipe类调用newPipedCopy()方法产生各自的实力，这通常在测试性能是用。

如果锁着的话，实例是不可改变的。而唯一可以改变实例四个域的值的是在Pipes中。也就是说只有Pipes类才能改变实例的值。

从Instance的源代码可以看出，类中只有属性，以及get、set方法，还有Iterator，write，read，shallowCopy以及构造器等方法，并不复杂，但十分重要。

 

Pipe类将Instance读入，然后处理，然后输出。其中最常被修改的是data域。Pipe类常与InstanceList类协做。Instance加入到队列中，然后依次通过pipe的处理，处理完又保留在list中。

FileIterator类通过在每个目录中遍历，将每个文件创建一个实例，将数据从文件中放入Instance的data域中。将文件的目录结构存储到实例的target域中，因为要求文件的组织按照类别标签归类。FileIterator将Instance放入到InstanceList中，而后者通过Pipe来处理各个Instance并保存结果。

Pipe类通常是层次性地组成。最典型的使用是SerialPipe类。SerialPipe类按照一个预先排好顺序的表将Instance一步一步处理。通过SerialPipe处理实例就像是处理实例通过一个个子Pipe类按照顺序。

一个Pipe有两个字母表，一张是数据域中的特征表，另一张是目标域中的特征表。

通过查看pipe的源文件，发现主要是构造器，getset字母表的方法，read，write，判断方法，处理字幕表，查找父节点，子节点等方法。