我正在爲自動包圍包圍編寫一個學習算法。由於該算法從頭開始，所以包圍（嵌入）首先應該是隨機的。然後通過迭代改進。我堅持如何做隨機包圍。你能否在R或Python中建議一個代碼或給出一些編程思想（僞代碼）？我也需要關於如何檢查一個正確的隨機包圍對正確的想法。如何做元素的隨機嵌入包圍
這是我試圖通過學習過程終於到達，從隨機包圍開始。
這是一個句子。 '他'追趕''''狗'。
有語法元素替換的每個元素， N，V，d，N.
包圍（第一階段）（d，N是成分）： （N）（V）（DN）
包圍（第2相）： （N）（（V）（DN））
包圍（第三階段）： （（N）（（V）（DN）））
請幫助。謝謝。
這裏的一切，我可以提供的信息說：
的包圍一個天真的辦法是generate some trees（產生所有可以迅速得到佔用空間非常大），有儘可能多的葉子，因爲有話（或組件），然後選擇合適的一個（隨機或根據適當的分區）並將其應用爲包圍模式。爲了提高效率，尋找一種真正的隨機樹生成算法（目前我找不到）。
此外，我建議閱讀關於genetic algos/evolutionary programming，尤其是fitness fucnctions（這是「檢查正確性的隨機結果」部分）。據我瞭解你，你希望程序檢測解析的方式，然後將它們保存在內存中「學習」。這與遺傳算法與「適合」模式的記憶非常匹配（並且只有突變爲變化因子）。
一個真棒，非常複雜（如果工作），但可能非常困難的方法是使用genetic programming。但這可能與你想要的完全不同。
最後，檢查括號正確性的最簡單方法是使用語法/語法規則對錶進行比較。通過將它們放在樹中並測量與實際圖案（(V D) N）到正確圖案（V (D N)）的距離，您也可以將其改進爲更好的適應度函數。 （這只是一些隨機的想法，我從來沒有真正做到這一點..）
感謝您的信息。 – jackson
這是否會像遺傳算法？通常解析器不是以隨機假設開始的。此外，你的第一個包圍階段看起來似乎比隨機更合乎邏輯。 – phg
爲什麼要這樣做？如果你只需要應用一個現成的組件解析器？ –
我覺得我有點不清楚，所以讓我澄清。 1）這不是一個解析器，而是解析的學習者。 2）不使用先驗假設（本例）的學習者從隨機假設開始。 3）我不是試圖解析給定的文本，而是分析機器學習如何通過經驗來解析。然後，類比人類對語言的學習。我很關心通過不同階段的學習過程，而不是很多。 @phg這裏的包圍階段不是學習過程，而是學習完成後的實際解析。所以合乎邏輯 – jackson