基于C++編寫一個文章生成器
1.概況
由用戶輸入啟動詞，根據(jù)語料庫中統(tǒng)計的詞語前后綴關系，自動生成一片新的文章。
比如：春天來了，大地媽媽穿上了碧綠的衣裳。嫩綠的小草從地下探出頭來，陶醉在美麗的春天里。
前后綴關系：[前綴，后綴]。上面這段話的前后綴關系有：[春天，來/里]，[天來，了]，[天里，。]，[來了，，]等。
說明：
啟動詞：用戶輸入的一個詞，由這個詞開始生成文章所有內容。
前/后綴：一個詞前后連續(xù)的n個字符。比如前綴為“春天”，由例句中得到后綴可為“來”或“里”，即表示一種語言的前后關系。
2.基本要求
1.準備語料庫：準備相關文章，存為文件。利用程序讀取文章內容，獲取文章語句中詞語的前后關系，即語料庫。語料庫的豐富程度由文章的數(shù)量決定，語料庫又決定程序運行的時間和生成的文章質量。
2.構建前后綴關系：根據(jù)語料庫，依據(jù)設定的前后綴長度，構建字詞的前后綴關系。
3.生成文章：用戶輸入啟動詞，根據(jù)啟動詞為前綴生成后綴得到文段，再根據(jù)文段生成新的前綴，以新前綴生成新后綴以此類推，得到一片文章。
4.應盡量避免循環(huán)：有時語料庫中可能出現(xiàn)類似“為所欲為”的接龍結構，造成死循環(huán)，同時生成的內容也沒有了意義。
5.輸入輸出形式：
//輸入：
2 //前綴詞長度
2 //后綴詞長度
春天 //啟動詞
//輸出：
[一篇文章]
3.程序分析
3.1 文件流讀寫
讀文件：從多篇文章中讀取文件內容為字符串，以前/后綴的長度遍歷獲取前/后綴，并建立前后綴關系。
寫文件：為觀察程序執(zhí)行情況，將前/后綴字符對和生成的文章寫入文件。
3.2 建立前后綴關系
當需要在兩種數(shù)據(jù)間建立一種關系時，可以使用結構化數(shù)據(jù)進行存儲，比如建立前后綴關系可以采用字典類結構進行存儲，C++也有相應的頭文件。
除此之外，還可以將其抽象為一種類，可以定制類的行為和結構。這里選擇自建一個類進行存儲。
類設計：
- 一個類記錄一個前綴和它的所有后綴，
- 記錄后綴的出現(xiàn)次數(shù)
- 記錄后綴的個數(shù)
class wordpair{
private:
char **suffix //后綴字符串數(shù)組，一個后綴存為一個字符串
int *freq //一個后綴出現(xiàn)的次數(shù)
public:
char *prefix //前綴字符串，聲明為公共成員，方便外部查找
int length //記錄后綴的個數(shù)
}
3.3 字符串切片
在C++的頭文件中，可以使用string類型代替char類型的字符串，而且對于字符串的操作也更方便。比如
string str1 = "abcd"; string str2 = "efghijk"; string str3 = str1 + str2; // = “abcdefghijk”; 字符串拼接 string str4 = str3.substr(3,2); // = "de"; 從下標為3的字符開始，截取長度為2的子字符串
以前一直覺得C語言和C++處理字符串很麻煩，現(xiàn)在倒覺得還是很方便的。
3.4 變長數(shù)組
C語言和C++中，基礎的數(shù)組長度相對固定，但也不是不能改變，只是相對麻煩一些。在這個程序中，一個wordpair只存儲一個前綴和它的后綴們，所以需要創(chuàng)建一個wordpair類型的列表來存儲全部的前后綴。
我用的方法是來回地復制
int main(){
int len;
int list[len]; //假設有一個長度為len的整型數(shù)組
int p[len+1]; //開辟一個len+1個整型長度的空間
// 把 list 復制到 p，然后
list = new int[len+1]; //將list長度+1
//把 p 復制過來
}
4.代碼實現(xiàn)
4.1 函數(shù)：數(shù)組加長
由于數(shù)組加長在程序中多次調用，且需要增長的數(shù)組各不相同，所以在這里我定義了一個函數(shù)模板，以盡可能少的代碼完成相同的任務。
template<class T>
T *append2list(T *list, T t, int len){
T copy[len + 1]; // 用于備份的空間
for(int i=0; i<len; i++){
copy[i] = list[i];}
copy[len] = t; //在末尾增加元素
len++;
list = new T[len]; //變長
for(int i=0; i<len; i++){ //拷貝回來
list[i] = copy[i];}
return list;
}
4.2 類wordpair定義
首先是類成員，應該有：
class Wordpair
{
private:
string *suffix; //后綴列表，一個前綴可能對應多個后綴
int *freq; // 整型數(shù)組，依此記錄后綴的頻率
public:
string prefix; // 前綴
int length; // 記錄長度 , 一個前綴對應size個后綴
Wordpair(string prefix, string suffix){ //構造函數(shù)
this->prefix = prefix;
this->suffix = new string[1];
this->suffix[0] = suffix;
this->freq = new int[1];
this->freq[0] = 1;
this->length = 1;
}
Wordpair(){ //構造函數(shù)
this->prefix = "",
this->suffix = new string[1];
this->suffix[0] = "";
this->freq = new int[1];
this->freq[0] = 0;
this->length = 0;
}
/* 判斷這個后綴是否已經有記錄，有返回下標，沒有則返回-1 */
int hasRecorded(string word){}
/* 添加一個后綴 */
bool push(string word){}
/* 找出出現(xiàn)次數(shù)最多的后綴的下標，采用更可信的后綴 */
string maxFrequency(){}
/* 轉化為字符串，方便輸出 */
string to_String()const{}
/* 重載賦值運算符，方便與其他類型的列表共用函數(shù) */
Wordpair& operator=(Wordpair &pair){}
};除此之外，還可以重載輸出運算符<<，便于調試時在函數(shù)中輸出wordpair值：
ostream& operator<<(ostream& out, const Wordpair& w){
out<<w.to_String();
return out;
}
4.3 函數(shù)：讀取文件
程序運行時，需要讀取文件為字符串，當文件較多時把這個功能抽象出來，調用很方便。
// 讀文件
string getfile(char *path){
string alticle = ""; //初始化字符串
ifstream fin(path, ios::in); //打開文件
if(!fin.is_open()){
cout<<"文件讀取錯誤！"<<endl;
return NULL;
}
string buffer;
while(getline(fin,buffer)){ //讀取
alticle.append(buffer); //新的行添加到alticle尾部
}
fin.close();
return alticle;
}
4.4 函數(shù)：寫入文件
主要是寫入生成的字符對，方便調試
// 寫文件，記錄詞組對
void exportData(Wordpair *pairlist, int len, int prelen, int suflen){
char path[32];
sprintf(path,"./word-pairs(%dx%d).txt",prelen,suflen);
ofstream fout(path, ios::out);
for(int i=0; i<len; i++){
fout<<pairlist[i]; //在這里就體現(xiàn)了重載<<運算符的好處
}
fout.close();
cout<<"詞組對已經寫入文件< "<<path<<" >"<<endl;
}
4.5 核心函數(shù)：字符串分割
讀取到文件后，將字符串從下標0開始，讀取前綴+后綴的長度，然后從1開始讀取前綴+后綴的長度。循環(huán)的次數(shù)應該是字符串總長度 - (前綴長度+后綴長度 -1)，以保證下標不會溢出。
Wordpair *alticle2Wordpair(Wordpair *pairlist, int &length,string alticle, int prefix_len, int suffix_len){
for(int i=0; i<alticle.length()/2-prefix_len-suffix_len+1; i++){
bool hasrecord = false;
string prefix=alticle.substr(i*2,prefix_len*2); // i為什么要×2？因為在devcpp中發(fā)現(xiàn)一個中文字符相當于兩個英文字符，不乘2會亂碼。
string suffix=alticle.substr((i+prefix_len)*2,suffix_len*2);
for(int j=0;j<length;j++){
if(pairlist[j].prefix == prefix){ // 如果已經有了這個前綴，則添加后綴
pairlist[j].push(suffix);
hasrecord = true;
break;
}
}
if(!hasrecord){ // 沒有這個前綴則詞組對列表長度增加
Wordpair pair(prefix, suffix);
pairlist = append2list(pairlist, pair, length);
length++;
}
}
return pairlist;
}在此基礎上，對每次讀文件都進行一次，就能獲取全部文件的字符對。
4.6 核心函數(shù)：文章拼接
得到語料庫之后，需要根據(jù)語料庫拼接出文章。我這里采用的方法有點問題，當完全防止出現(xiàn)循環(huán)文本的時候，文章過短，當放開一點對循環(huán)文本的時候，循環(huán)文本總是出現(xiàn)，算法上想不通。希望有大佬提供一點思路。
// 判斷前綴是否在列表內，有則返回下標，沒有則返回-1
int hasrecord(Wordpair *pairlist, int len, string preword){
for(int i=0; i<len; i++){
if(preword == pairlist[i].prefix){
return i;
}
}
return -1;
}
// 拼接文章
void createAlticle(Wordpair *pairlist, int len, string startword, int prefix_len, int suffix_len){
string preword = startword;
int i=0;
int index = hasrecord(pairlist, len, preword);
string alticle = preword;
int alticle_len = prefix_len; //長度（中文字符標準）
while(index != -1){
string newword = pairlist[index].maxFrequency();
// 避免循環(huán)
if(alticle.find(newword)==string::npos //表示這個前綴沒有在文章中出現(xiàn)過
// || alticle_len - alticle.rfind(newword) > 600 //表示相同的詞之間最少間隔多少。加上這個條件后有循環(huán)，注釋后文章顯著變短
){
alticle.append(pairlist[index].maxFrequency());
alticle_len += suffix_len;
preword = alticle.substr((alticle_len-prefix_len)*2, alticle_len*2);}
else{
preword = pairlist[index+1].maxFrequency();
}
index = hasrecord(pairlist, len, preword);
}
cout<<alticle<<endl;
ofstream fout(CREATE_ALTICLE, ios::out);
fout<<alticle;
fout.close();
cout<<"文章寫入文件 < "<<CREATE_ALTICLE<<" >"<<endl;
}5.總結
在沒有機器學習的支持下，這種拼接的文章十分粗糙，無法準確的給出最優(yōu)的選擇。另一方面，代碼寫的過于拖沓，算法有待優(yōu)化。
到此這篇關于基于C++編寫一個文章生成器的文章就介紹到這了,更多相關C++文章生成器內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
Qt數(shù)據(jù)庫應用之通用數(shù)據(jù)庫同步
數(shù)據(jù)庫同步的主要功能是將本地的數(shù)據(jù)庫記錄同步到遠程的數(shù)據(jù)庫。本文將利用Qt實現(xiàn)通用數(shù)據(jù)庫同步功能，感興趣的小伙伴可以跟隨小編一起學習一下2022-03-03
小提琴圖 (Violin Plot)是用來展示多組數(shù)據(jù)的分布狀態(tài)以及概率密度。這種圖表結合了箱形圖和密度圖的特征，主要用來顯示數(shù)據(jù)的分布形狀。本文將介紹如何利用Matlab繪制小提琴圖，需要的可以參考一下2022-02-02
這篇文章主要為大家詳細介紹了C語言實現(xiàn)個人財務管理軟件，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-05-05
本章我們將學習 "隊列" ，首先介紹隊列的概念和結構，然后我們將著重講解棧的實現(xiàn)。我們從零開始寫隊列的接口，并從零開始步步解讀。本章將繼續(xù)鞏固畫思路草圖的能力，只要思路草圖畫好了，就可以很輕松地將其轉換成代碼2022-02-02
這篇文章主要介紹了C++寫注冊表項實例,可實現(xiàn)開機啟動的功能,是進行Windows桌面應用程序開發(fā)中非常重要的技巧,需要的朋友可以參考下2014-10-10
詳解C語言中Char型指針數(shù)組與字符數(shù)組的區(qū)別
這篇文章主要介紹了詳解C語言中Char型指針數(shù)組與字符數(shù)組的區(qū)別的相關資料,希望通過本文能幫助到大家掌握理解這部分內容，需要的朋友可以參考下2017-10-10
詳解C++ 多態(tài)的兩種形式（靜態(tài)、動態(tài)）
這篇文章主要介紹了C++ 多態(tài)的兩種形式，幫助大家更好的理解和學習c++，感興趣的朋友可以了解下2020-08-08
c++中將二維數(shù)組元素變換為逆向存放的實現(xiàn)代碼
編程將一個二維數(shù)組元素變換為逆向存放，即按元素在內存中的物理排列位置，第一個元素變成倒數(shù)第一個元素，第二個元素變成倒數(shù)第二個元素，依此類推2020-11-11
在前文中已經實現(xiàn)了基礎版和進階版的飛機游戲，但是存在的問題很明顯：已經發(fā)射出去的子彈會隨著飛機位置的實時改變而改變，并且不能實現(xiàn)連發(fā)。本篇文章將利用數(shù)組進一步改進空戰(zhàn)游戲，感興趣的可以了解一下2022-10-10
在C++中,當兩個或更多的線程需要訪問共享數(shù)據(jù)時,就會出現(xiàn)線程安全問題,這是因為,如果沒有適當?shù)耐綑C制,一個線程可能在另一個線程還沒有完成對數(shù)據(jù)的修改就開始訪問數(shù)據(jù),這將導致數(shù)據(jù)的不一致性和程序的不可預測性,本文介紹了C++中線程同步與互斥的四種方式介紹及對比2025-01-01