2012-05-22 109 views
-2

我搜索了Google無濟於事。這裏的任何人都可以告訴我如何在Prolog中對術語頻率進行編碼?越「邏輯」越好。 給定一個文本文件,忽略非字母數字字符,檢測單詞,刪除停用詞(可能在外部文件中給出),計算文件中每個單詞的出現次數並輸出按照降低頻率排序的「word:freq」。在Prolog中計算字詞頻率

謝謝!

(這不是功課,順便說一句,這是我做的一個項目)

+0

這是一個SO問題過於寬泛。你試過什麼了?你面臨什麼問題? – mgibsonbr

+0

Prolog不是我選擇的語言風格。我正在尋找一位「專家prologer」來向我展示如何用邏輯編程風格來思考這個問題。 –

+0

這個問題是不適合邏輯編程恕我直言。即使在Prolog中實現,它的結構也將與命令式程序非常相似。我建議嘗試以最佳方式實現它,然後在[codereview.SE](http://codereview.stackexchange.com/)中提交它以供同行評審,以便人們可以提出更多「邏輯」方法來改進它。 – mgibsonbr

回答

2

這裏的東西,讓你開始:

它假設的話是每個輸入的單獨的行文件

無法處理 「停止詞」

沒有實現那種

; Print the term frequency for words in file Path 
print_freq_from_file(Path) :- 
    open(Path, read, Stream), 
    read_file(Stream, Words), 
    calc_freq(Words, Freq), 
    sort_freq(Freq, SortedFreq), 
    print_freq(SortedFreq). 

; calc_freq(Words,Freq) Freq is the term frequency of the words in list Words 
calc_freq([], []). 
calc_freq([Word|Words], Freq) :- 
    calc_freq(Words, FreqRest), 
    add_word(Word, FreqRest, Freq). 

; add_word(Word, Freq1, Freq2) Freq2 is Freq1 with Word added 
add_word(Word, [], [(Word,1)]). 
add_word(Word, [(Word,N)|Rest], [(Word,N1)|Rest]) :- 
    N1 is N+1. 
add_word(Word, [Term|Rest], [Term|NewRest]) :- 
    add_word(Word, Rest, NewRest). 

; Print the given term frequency 
print_freq([]). 
print_freq([(W,N)|Rest]) :- 
    write(W), write(' : '), write(N), nl, 
    print_freq(Rest). 
+0

謝謝!我假設read_file和read是一樣的,是的?在任何情況下,我想看到的這個問題的一個部分就是表示將一行分割爲單詞的邏輯;也就是表示非字母表過濾的邏輯;以及用於過濾停用詞的邏輯,我希望很多內容可以表達爲基本事實,例如stop_word(th E)。你是這麼做的嗎? –

1

對於過濾停止的話,一個好的辦法是通過assert

read_sw(Path) :- 
    open(Path, read, Stream), 
    read_words_file(Stream, Words), 
    add_sw(Words). 

add_sw([]). 
add_sw([Word|Rest]) :- 
    assertz(stop_word(Word)), 
    add_sw(Rest). 

一旦做到這一點,你可以用stop_word/1檢查一個詞是停用詞,並忽略它。舉例來說,如果你正在實施斯科特·亨特的回答,您可以在calc_freq/2增加一個附加條款,以篩選出那些話:

calc_freq([], []). 
calc_freq([Word|Words], Freq) :- 
    stop_word(Word), !, 
    calc_freq(Words, Freq). 
calc_freq([Word|Words], Freq) :- 
    calc_freq(Words, FreqRest), 
    add_word(Word, FreqRest, Freq). 
2

我用這個答案SWI-Prolog的豐富庫支持,因此可能是不合適的案件。

當然,你是如何解決任何編程任務強力地什麼在你選擇的語言,從你使用它的能力可用的影響。

這裏我使用library(assoc),如果你的系統錯過了它,那麼你可以使用列表模擬,或者使用assert/retract。

這個片段只是顯示了一個(慣用)的方式計數單詞,計算頻率可以很容易地與庫(聚合)或一些算術,可能你想嘗試記下自己在鍛鍊語言...

/* File: frequency_of_words.pl 
    Author: Carlo,,, 
    Created: May 23 2012 
    Purpose: http://stackoverflow.com/questions/10711483/calculating-term-frequency-in-prolog 
*/ 

:- module(frequency_of_words, [count_words/2, count_words/1]). 
:- [library(assoc)]. 

count_words(File, Assoc) :- 
    empty_assoc(Empty), 
    open(File, read, Stream), 
    frequency_of_words(Stream, Empty, Assoc, ""), 
    close(Stream). 
count_words(File) :- 
    count_words(File, Assoc), 
    assoc_to_list(Assoc, List), 
    maplist(writeln, List). 

frequency_of_words(Stream, SoFar, Words, CurrWord) :- 
    get_code(Stream, Code), 
    ( Code == -1 
    -> update_dictionary(SoFar, Words, CurrWord) 
    ; use_character(Code, SoFar, Updated, CurrWord, NextWord), 
     frequency_of_words(Stream, Updated, Words, NextWord) 
    ). 

update_dictionary(SoFar, SoFar, Word) :- 
    skip_word(Word). 
update_dictionary(SoFar, Updated, Codes) :- 
    atom_codes(Word, Codes), 
    (get_assoc(Word, SoFar, CountSoFar) ; CountSoFar = 0), 
    WordCount is CountSoFar + 1, 
    put_assoc(Word, SoFar, WordCount, Updated). 

use_character(Code, SoFar, Updated, CurrWord, NextWord) :- 
    ( word_character(Code) 
    -> Updated = SoFar, 
     NextWord = [Code|CurrWord] 
    ; reverse(CurrWord, Forward), 
     update_dictionary(SoFar, Updated, Forward), 
     NextWord = "" 
    ). 

word_character(Code) :- 
    [Code] @>= "A", [Code] @=< "Z" ; 
    [Code] @>= "a", [Code] @=< "z" ; 
    [Code] @>= "0", [Code] @=< "9" ; 
    [Code] == "_". 

skip_word(""). % a trick on EOF or consecutive blanks: not really a skipword 
skip_word("is"). 

測試:

?- count_words('frequency_of_words.pl'). 
0-2 
1-3 
2012-1 
23-1 
9-1 
A-1 
Author-1 
Carlo-1 
Code-14 
Codes-2 
CountSoFar-3 
Created-1 
CurrWord-6 
EOF-1 
Empty-2 
File-3 
Forward-2 
Full-2 
List-2 
May-1 
NextWord-5 
Purpose-1 
SoFar-11 
StackOverflow-1 
Stream-6 
Updated-7 
Word-5 
WordCount-2 
Words-3 
Z-1 
_-1 
a-3 
answer-1 
assoc-1 
assoc_to_list-1 
atom_codes-1 
blanks-1 
close-1 
consecutive-1 
count_words-2 
empty_assoc-1 
frequency_of_words-5 
get_assoc-1 
get_code-1 
library-1 
maplist-1 
module-1 
not-1 
on-1 
open-1 
or-1 
pl-1 
put_assoc-1 
read-1 
really-1 
reverse-1 
skip_word-3 
skipword-1 
trick-1 
update_dictionary-4 
use_character-2 
word_character-2 
writeln-1 
z-1 
+0

謝謝!這涵蓋了我正在尋找的許多東西。 –

+0

看了這個更長的時間...這個解決方案使用內聯處理方法,即一次讀取文件中的一個字符。這是prolog專家如何自然地解決這個問題? (另一種方法是管道和過濾器,首先讀取整個文件,然後從整個數據中過濾非字母數字並生成另一條數據,然後檢測單詞並傳遞它們,等等。規則的邏輯在序言中更簡單或更復雜?) –

+1

我認爲這樣代碼會更復雜,需要更多的步驟。如果你閱讀整個文件,那麼可以使用DCG,但在這裏沒有什麼可以從中獲益的。我使用的技術與用於(非常)簡單掃描儀的技術類似。 – CapelliC