马尔可夫链文本生成c语言,马尔可夫链文本生成

关于这项任务与你在课堂上所涉及的内容的相关性(你的第二个问题)。 “数据结构”类的想法是让学生接触CS中经常遇到的很多结构：列表，堆栈，队列，哈希，各种类型的树，大图，各种信条和贪婪的矩阵等等。提供一些洞察他们的常见实现，他们的优点和缺点，以及他们的各种应用领域。

由于大多数游戏/谜题/问题都可以映射到这些结构的某些组合，因此不乏基于讲座和作业的主题。你的课看起来很有趣，因为在保持对这些结构的关注的同时，你也有机会发现真正的应用。

例如，以一种伪装的方式，“猫和两只狗”的东西是对语言学应用的统计模型的介绍。你的好奇心和动力促使你与马尔可夫模型建立关系，这是一件好事，因为你很有可能在毕业前多见几次“马尔科夫”;-)当然还有CS或相关领域的职业生涯。所以，是的！看起来你似乎在许多应用程序等等，但只要你了解在特定情况下选择什么结构和算法，你就不会浪费你的时间！

现在，关于可能的任务方法的一些提示

trie似乎是对这类问题的自然支持。也许你可以问问自己，如果你不得不索引一整本书而不是这个简短的句子，这种方法会如何扩展。它似乎主要是线性的，虽然这取决于trie中三个跃点的每个选择(对于这个二阶马尔可夫链)：随着选择数量的增加，选择路径可能会变得效率降低。

用于构建索引的可能的替代存储是stochatisc矩阵(实际上，如果只有稀疏矩阵，在统计收集过程中，当你规范化每一行 - 或列时，在结束时随机变为“普通” - 取决于你设置它up)总结为一(100％)。这样的矩阵大约是729×28，并且允许在一次操作中索引两个字母的元组及其相关的后续字母。 (包括“开始”和“停止”信号，我得到28，细节......)

这种更高效索引的成本是使用额外的空间。在空间方面，trie是非常有效的，只有存储有效的字母三元组合，矩阵然而浪费了一些空间(你最后赌注它将非常稀疏，甚至在索引更多的文本之后“狗/猫“句子。)

这种大小与CPU的折衷是非常普遍的，虽然有些算法/结构在两个方面都比其他算法/结构更好......而且如果问题被改变为基于选择的话，矩阵方法将无法很好地扩展，大小为wize。前面的字母说三个字。

尽管如此，可能会将矩阵视为替代实现。尝试各种结构并了解他们为什么/在哪里比其他人更好(在特定任务的背景下)，这是本课程的精神。

您可以采取的一个小的侧面旅行是根据字母对(或三元组)的概率创建标签云：trie和矩阵都包含所需的所有数据;具有所有有趣属性的矩阵可能更适合于此。

玩得开心！