JAVA - n-gram的類設計

Question

我將從一個例子開始：

盡頭快到了。 我會結束你

我想用n-gram消除字符串“end”的歧義。 所以我現在擁有的是：

abstract class Ngram {...}
public class Bigram extends Ngram {...}
public class Trigram extends Ngram {...}

Bigram ：[結束]，[結束，是]; [將，結束]，[結束，你] Trigram ：[結束，是]，[結束，接近]; [我，將，結束]，[會，結束，你]

然而，現在我認為不僅可以計算Bigrams，Trigrams等一般，而且還可以區分Bigrams與位置= 0處的模糊詞AW和AW位置= 1的詞。 ，AW在pos = 0,1,2等處的Trigrams。

這意味着我可以創建其他類：而不是一個代表文本中找到的所有Bigrams的Bigram類，我可以擁有

abstract class Bigram {...}
public class BigramWithAmbigWordAt0 extends Bigram {...}
public class BigramWithAmbigWordAt1 extends Bigram {...}

現在，我的問題：

1. 太多了嗎？ 如果我這樣做，我不必在使用Bigram對象時檢查AW的位置; 另一方面，我得到很多很少（附加）內容的課程。
2. 是否有某種啟發式方法可以幫助我“解決”這個問題？ 代碼應該是快速，可讀，健壯的......最好的方法是什么？ 某種貪婪的方法，只要它們添加新的東西，你只是繼續創建類，但它可能是微不足道的？

Answer 1

單個課程就足夠了。 你只需要該類中的變量：

public class Ngram 
{
    public int n;
    public int ambiguousWordPosition;
    public String sentence;

    public Ngram(int n, int ambiguousWordPosition, String sentence)
    {
        this.n = n;
        this.ambiguousWordPosition = ambiguousWordPosition;
        this.sentence = sentence;
    }
}

然后你可以消除歧義：

public ArrayList<ArrayList<String>> disambiguate(String word)
{
    ArrayList<ArrayList<String>> outer = new ArrayList<ArrayList<String>>();   
    String[] words = sentence.split("\\s+");
    int cutoff = n-1;  

    for (int i = 0; i < words.length - cutoff; i++) {
        if(words[i + ambiguousWordPosition].equals(word)) {
            ArrayList<String> inner = new ArrayList<String>();
            for(int j = i; j < i + cutoff; j++){
                inner.add(words[j]);
            }
            outer.add(inner);
        }
    }

    return outer;
}

注意 ：將其視為偽代碼。 我自己沒有測試過，但你應該能夠理解它

Answer 2

我不完全確定你在做什么，但聽起來最好可能使用N-gram類並將N（整數）和AW作為參數發送給構造函數。 如果您計划擴展或重復使用，那將是一個更好的設計。