我想从中获取最相关的单词enchant suggest()。有没有更好的方法来做到这一点。我觉得我的函数在检查 100k 或更多范围内的大量单词时效率不高。
有问题enchant suggest():
>>> import enchant
>>> d.suggest("prfomnc")
['prominence', 'performance', 'preform', 'Provence', 'preferment', 'proforma']
我的功能是从一组建议的单词中获取适当的单词：
import enchant, difflib
word="prfomnc"
dict,max = {},0
a = set(d.suggest(word))
for b in a:
tmp = difflib.SequenceMatcher(None, word, b).ratio();
dict[tmp] = b
if tmp > max:
max = tmp
print dict[max]
Result: performance
Updated:
如果我得到多个钥匙，意思是一样的difflib ratio()值，我使用多键字典。正如这里所解释的：http://code.activestate.com/recipes/440502-a-dictionary-with-multiple-values-for-each-key/ http://code.activestate.com/recipes/440502-a-dictionary-with-multiple-values-for-each-key/
恐怕没有灵丹妙药...不过有一些建议。
我猜逻辑上的大部分时间都花在了difflib 的 SequenceMatcher().ratio() 调用。这并不奇怪，因为该方法使用了Ratcliff-Obershelp 算法 http://xlinux.nist.gov/dads/HTML/ratcliffObershelp.html从 CPU 角度来看，这是相对昂贵的（但它产生的指标相当“准确”，可以找到接近的匹配项，这可能就是您喜欢它的原因）。
为了确定，您应该分析此逻辑并确认 SequenceMatcher() 确实是热点。也许 Enchant.suggest() 也有点慢，但我们在代码方面几乎无能为力来改进这一点（在配置方面，可能有一些选择，例如，取消个人字典来保存双重查找和合并等）。
假设 SequenceMatcher() 确实是罪魁祸首，并且假设您希望坚持使用 Ratcliff-Obershelp 相似性度量作为选择最佳匹配的方法，您可以执行以下操作：
-
仅计算 Enchant 中前 (?) 5 个项目的 SequenceMatcher 比率值。
毕竟，Enchant.suggest() 以有序的方式返回其建议，首先是最佳猜测；因此，虽然基于不同的启发法，附魔顺序也有价值，但当我们在列表中向下移动时，找到高排名匹配的机会可能会减少。此外，尽管如此，我们最终可能会忽略一些这样的高排名比赛，但通过仅测试前几个附魔建议，我们以某种方式将附魔启发式中发现的“智慧”与 Ratcliff-Obershelp 指标中的“智慧”结合起来。
-
达到某个阈值后停止计算 SequenceMatcher 比率
这个想法与前面的类似：一旦找到更好的可能性越来越小（并且一旦我们手头有一个不错的选择，即使不是最好的选择），也避免调用 SequenceMatcher
-
用你自己的逻辑过滤掉Enchant中的一些单词。
我们的想法是进行一个相对快速/便宜的测试，这可能会告诉我们给定的单词不太可能在 SequenceMatcher 比率上得分很高。例如，排除至少不具有用户字符串长度减去两个共同字符的单词。
顺便说一句，您也许可以使用 SequenceMatcher 对象的一些 [quicker] 函数来获取一些用于过滤启发式的数据。
-
使用 SequenceMatcher *quick_ratio*() 函数 instead
至少在某些情况下。
-
只将最佳匹配保留在字符串中，而不是使用字典
显然只有最佳选择才重要，因此除了测试目的之外，您可能不需要[相对较小的]字典开销。
- you may考虑编写您自己的 Ratcliff-Obershelp （或类似）方法，其中引入了当满足当前最大比率的可能性很小时的各种早期退出。请注意，生成一种与 difflib 的 C 语言方法一样高效的方法可能很困难，您对此感兴趣的是早期退出......
HTH，祝你好运;-)
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
