Jak mohu náhodně generovat dopisy podle jejich četnosti použití v obyčejné řeči?
Jakékoli pseudo-code ocenil, ale implementace v Javě by bylo fantastické. V opačném případě stačí strčit správným směrem by byla užitečná.
Poznámka: Nepotřebuji generovat frekvence užívání - jsem si jistý, že může vypadat, že se poměrně snadno.
Jeden rychlý způsob, jak to udělat, by bylo vytvoření seznamu písmen, kde se objevil každý dopis v seznamu v souladu s jeho frekvencí. Říkat, jestli „e“ bylo použito 25,6% času, a váš seznam měl délku 1000, mělo by to 256 „e“ ů.
Pak byste mohl jen náhodně vybrat místa ze seznamu pomocí (int) (Math.random() * 1000)ke generování náhodných čísel od 0 do 999.
Jsem za předpokladu, že budete ukládat kmitočty jako plovoucí desetinnou čárkou mezi 0 a 1, že celkové aby 1.
Nejprve byste měli připravit tabulku kumulativních frekvencí, tedy součet četnosti tohoto dopisu a všechna písmena před ním.
Pro zjednodušení, pokud začnete s tímto rozdělením frekvencí:
A 0.1
B 0.3
C 0.4
D 0.2
Váš kumulativní frekvenční tabulka bude vypadat následovně:
A 0.1
B 0.4 (= 0.1 + 0.3)
C 0.8 (= 0.1 + 0.3 + 0.4)
D 1.0 (= 0.1 + 0.3 + 0.4 + 0.2)
Nyní generovat náhodné číslo mezi 0 a 1, a zjistit, kde v tomto seznamu toto číslo leží. Vyberte písmeno, které má nejmenší kumulativní frekvenci větší než vaše náhodného čísla. Nějaké příklady:
Řekněme, že jste náhodně vybere 0,612. To leží mezi 0,4 a 0,8, tedy mezi B a C, takže byste zvolit C.
Pokud váš náhodných čísel byl 0,039, které je před 0,1, tedy předtím, než A, takže vybrat A.
Doufám, že to dává smysl, jinak neváhejte požádat o vysvětlení!
Ani pseudo-kódu, ale možný postup je následující:
Nechť P1, P2, ..., pk být frekvence, které chcete, aby odpovídaly.
V závislosti na tom, jak implementovat intervalu-nález, postup je obvykle účinnější, pokud P1, P2, ... jsou řazeny v sestupném pořadí, protože se obvykle najít interval obsahující x dříve.
Co budu dělat, je měřítko relativní frekvence jako desetinná čísla tak, aby jejich součet je 1,0. Pak bych vytvořit pole z kumulativních součtů na dopisu, tedy číslo, které musí být doplňovány, aby tento dopis a všem těm „dole“ to. Řekněme, že frekvence A, je 10%, b je 2% a z je 1%; pak váš stůl bude vypadat nějak takto:
0.000 A ; from 0% to 10% gets you an A
0.100 B ; above 10% is at least a B
0.120 C ; 12% for C...
...
0.990 Z ; if your number is >= 99% then you get a Z
Pak můžete vytvářet sami náhodné číslo mezi 0,0 a 1,0, a to hledání binární v poli pro první číslo menší, než je náhodné číslo. Pak vybrat ten dopis v této poloze. Hotovo.
Pomocí binárního stromu vám dává pěkný, čistý způsob, jak najít tu správnou položku. Zde můžete začít s frequencymapou, kde jsou klíče symboly (anglicky písmen) a hodnoty jsou četnost jejich výskytu. To dostane převrácený, a NavigableMapje vytvořen, kde jsou klíče kumulativní pravděpodobnost, a hodnoty jsou symboly. Že dělá vyhledávání snadné.
private final Random generator = new Random();
private final NavigableMap<Float, Integer> table =
new TreeMap<Float, Integer>();
private final float max;
public Frequency(Map<Integer, Float> frequency)
{
float total = 0;
for (Map.Entry<Integer, Float> e : frequency.entrySet()) {
total += e.getValue();
table.put(total, e.getKey());
}
max = total;
}
/**
* Choose a random symbol. The choices are weighted by frequency.
*/
public int roll()
{
Float key = generator.nextFloat() * max;
return table.higherEntry(key).getValue();
}