预测句子的概率

import jieba

jieba.setLogLevel(jieba.logging.INFO)


def reform(sentence):
    # 如果是以“。”结束的则将“。”删掉
    if sentence.endswith("。"):
        sentence = sentence[:-1]
    # 添加起始符BOS和终止符EOS
    sentence_modify1 = sentence.replace("。", "EOSBOS")
    sentence_modify2 = "BOS" + sentence_modify1 + "EOS"
    return sentence_modify2


# 分词并统计词频
def segmentation(sentence, ori_dict):
    jieba.suggest_freq("BOS", True)
    jieba.suggest_freq("EOS", True)
    sentence = jieba.cut(sentence, HMM=False)
    format_sentence = ",".join(sentence)
    # 将词按","分割后依次填入数组word_list[]
    lists = format_sentence.split(",")
    # 统计词频,如果词在字典word_dir{}中出现过则+1,未出现则=1
    if ori_dict != None:
        for word in lists:
            if word not in ori_dict:
                ori_dict[word] = 1
            else:
                ori_dict[word] += 1
    return lists


# 比较两个数列,二元语法
def compareList(ori_list, test_list):
    # 申请空间
    count_list = [0] * (len(test_list))
    # 遍历测试的字符串
    for i in range(0, len(test_list) - 1):
        # 遍历语料字符串,且因为是二元语法,不用比较语料字符串的最后一个字符
        for j in range(0, len(ori_list) - 1):
            # 如果测试的第一个词和语料的第一个词相等则比较第二个词
            if test_list[i] == ori_list[j]:
                if test_list[i + 1] == ori_list[j + 1]:
                    count_list[i] += 1
    return count_list


# 计算概率
def probability(test_list, count_list, ori_dict):
    flag = 0
    # 概率值为p
    p = 1
    del test_list[-1]
    for key in test_list:
        p *= (float(count_list[flag]) / float(ori_dict[key]))
        flag += 1
    return p


# 语料句子
sentence_ori = "研究生物很有意思。他大学时代是研究生物的。生物专业是他的首选目标。他是研究生。"
ori_list = []
ori_dict = {}
sentence_ori_temp = ""

# 任务:计算测试句子概率并输出结果
# ********** Begin *********#
# 测试句子
sentence_test ="研究生物专业是他的首选目标"
sentence_test_temp = ""
test_list = []
count_list = []
p = 0

# 分词并将结果存入一个list,词频统计结果存入字典
sentence_ori_temp =reform(sentence_ori)
ori_list =segmentation(sentence_ori_temp,ori_dict)
print(ori_list)
sentence_test_temp =reform(sentence_test)
test_list =segmentation(sentence_test_temp,ori_dict=None)
print(test_list)
count_list=compareList(ori_list, test_list)
p=probability(test_list,count_list,ori_dict)
print(p)

# ********** End **********#

  • 4
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值