使用golang編寫一個簡單的拼音輸入法

這幾天在看輸入法的東西,資料比較少,特此記錄一下,這里使用到了前向概率Viterbi算法,公式是

    P = 初始狀態(tài)概率*轉(zhuǎn)移概率*發(fā)射概率

這里會得到很多概率值,我們只獲取最大概率的中文漢字鏈。

定義一個漢字節(jié)點(diǎn)

type Node struct {
    Word string //漢字
    Py string  //拼音
    Emission float64 //漢字出現(xiàn)的概率
    MaxScore float64 //最大分?jǐn)?shù)
    PreNode *Node //下一個漢字節(jié)點(diǎn)
}

定義需要的數(shù)據(jù)

/**
讀取整理好的漢字拼音數(shù)據(jù),獲取的map數(shù)據(jù),數(shù)據(jù)格式類型為
{
 "ni":{"你":0.91,"尼":0.789,...},
 "wo":{"我":0.91,"窩":0.189,...},
  .....
}
**/
var emissionMap = make(map[string]map[string]float64)

/**
讀取大量詞語數(shù)據(jù)獲取的詞語數(shù)組
**/
var wordsArray = make([]string, 1)


/**
 分析漢字拼音數(shù)據(jù),獲取的數(shù)組數(shù)據(jù)。格式如下:
[
 {
   "你":Node ,
   "好":Node,
 },
 ...
]
**/
var inputSequence = make([]map[string]*Node, 1)



/**
 詞語出現(xiàn)的概率值,這里會將詞語位置顛倒
{
     "好你":0.789,
      "興高":0.567,
      ....
}
**/
var freqMap = make(map[string]float64)

/**
viterbi算法的數(shù)據(jù)緩存
**/
var viterbi_cache = make(map[string]float64)

/**
輸入的已經(jīng)切分的拼音數(shù)組
**/
var pinyins []string

讀取拼音漢字?jǐn)?shù)據(jù)

func readPinyinData() {

    f, err := os.Open("googlepinyin.txt")
    if err != nil {
        fmt.Println(err.Error())
        return
    }
    buf := bufio.NewReader(f)
    for {
        line, err := buf.ReadString('\n')
        if err != nil {
            if err == io.EOF {
                break
            }
            fmt.Println(err.Error())
            break
        }
        line = strings.TrimSpace(line)
        if len(line) <= 1 {
            continue
        }
        PinyinArray := strings.Split(line, " ")
        word := PinyinArray[0]
        f, _ := strconv.ParseFloat(PinyinArray[1], 64)

       //因為這里獲取是個大于1的值,所以求正切值
        em := math.Atan(f) / (math.Pi / 2)
        

        py := PinyinArray[len(PinyinArray)-1]
        if len(strings.Split(word, "")) > 1 {
            continue
        }
        if emissionMap[py] == nil {
            emissionMap[py] = make(map[string]float64)
        }

        emissionMap[py][word] = em
        
        pyArray := strings.Split(py, "")
        py = pyArray[0]
        if len(strings.Split(word, "")) > 1 {
            break
        }
        if emissionMap[py] == nil {
            emissionMap[py] = make(map[string]float64)
        }
        emissionMap[py][word] = em
       
    }

讀取詞語數(shù)據(jù)


func readWords() {
    f, err := os.Open("RenMinData.txt")
    if err != nil {
        fmt.Println(err.Error())
        return
    }
    buf := bufio.NewReader(f)
    for {
        line, err := buf.ReadString('\n')
        if err != nil {
            if err == io.EOF {
                break
            }
            fmt.Println(err.Error())
            break
        }
        line = strings.TrimSpace(line)
        if len(line) <= 1 {
            continue
        }
        wordsArray = append(wordsArray, "<s>")
        words := strings.Split(line, "")
        for j := 0; j < len(words); j++ {
            wordsArray = append(wordsArray, strings.TrimSpace(words[j]))
        }
        wordsArray = append(wordsArray, "</s>")

    }

    wordsArray = wordsArray[1:]

    for k, _ := range wordsArray {
        i := k

        key := ""
        for j := i; (i-j < 6) && (j >= 0); j-- {
            key += wordsArray[j]
            freqMap[key] = freqMap[key] + 1
        }

    }
}

獲取轉(zhuǎn)移概率

func get_trans_prop(args ...string) float64 {
    key := ""
    for _, v := range args {
        key += v
    }

    C_2 := float64(freqMap[key] + 1.0)
    C_1 := float64(len(wordsArray))

    return C_2 / C_1
}

獲取初始概率

func get_init_prop(word string) float64 {
    return get_trans_prop(word, "<s>")
}

獲取inputSequence 數(shù)據(jù)


func get_inputSequence(pys []string) {
    pinyins = pys
    for _, v := range pinyins {
        mymap := make(map[string]*Node)
        if emissionMap[v] == nil {
            continue
        }
        for w, r := range emissionMap[v] {
            mymap[w] = &Node{Word: w, Emission: r, Py: v}
        }
        inputSequence = append(inputSequence, mymap)
    }
    inputSequence = inputSequence[1:]
}
???

viterbi算法

func get_key(t int, k string) string {
    return strings.Join([]string{strconv.Itoa(t), k}, "_")
}

func viterbi(t int, k string) float64 {
  //如果有緩存數(shù)據(jù),直接返回數(shù)據(jù)值
    if viterbi_cache[get_key(t, k)] != 0 {
        return viterbi_cache[get_key(t, k)]
    }
    node := inputSequence[t][k]
    if t == 0 {
        state_transfer := get_init_prop(k)
        emission_prop := emissionMap[pinyins[t]][k]

        node.MaxScore = 1.0 * state_transfer * emission_prop
        viterbi_cache[get_key(t, k)] = node.MaxScore
        return node.MaxScore
    }
    n := t - 1

    for i, v := range inputSequence[n] {
        state_transfer := get_trans_prop(k, i)
        emission_prop := emissionMap[pinyins[n]][i]
        if len(pinyins)-1 == t {
            emission_prop *= emissionMap[pinyins[t]][k]
        }

        score := viterbi(n, i) * state_transfer * emission_prop
        if score > node.MaxScore {
            node.MaxScore = score
            node.PreNode = v
        }
    }

    viterbi_cache[get_key(t, k)] = node.MaxScore
    return node.MaxScore
}

獲取最大概率的數(shù)據(jù)

func translate(pys []string) {
    get_inputSequence(pys)

    // 使用viterbi算法求解最大路徑
    var max_node *Node
    max_score := 0.0
    for k, node := range inputSequence[len(inputSequence)-1] {

        score := viterbi(len(pys)-1, k)
        if score > max_score {
            max_score = score
            max_node = node
        }

    }

    // 回溯輸出最大路徑
    results := make([]string, 1)
    for {
        results = append(results, max_node.Word)
        if max_node.PreNode != nil {
            max_node = max_node.PreNode
        } else {
            break
        }

    }
    results = results[1:]
    for i := len(results) - 1; i >= 0; i-- {
        fmt.Print(results[i])
    }
}

使用

func main() {
    readPinyinData()
    readWords()
    translate([]string{"ni", "zai", "na", "li"})
}

http://pan.baidu.com/s/1o8zSXaa

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 230,622評論 6 544
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 99,716評論 3 429
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 178,746評論 0 383
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經(jīng)常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,991評論 1 318
  • 正文 為了忘掉前任,我火速辦了婚禮,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 72,706評論 6 413
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 56,036評論 1 329
  • 那天,我揣著相機(jī)與錄音,去河邊找鬼。 笑死,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 44,029評論 3 450
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 43,203評論 0 290
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 49,725評論 1 336
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 41,451評論 3 361
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 43,677評論 1 374
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,161評論 5 365
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 44,857評論 3 351
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,266評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,606評論 1 295
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,407評論 3 400
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 48,643評論 2 380

推薦閱讀更多精彩內(nèi)容