你好,每一个这是我的第一个问题在这里, 我使用了一个叫做MElt的开源程序,它引用了词(给出词法例子:give - > give)。 MElt在linux上工作,并且在Perl和Python中编程。 到目前为止,它工作良好,但它需要太多的时间来给出结果。 我调查了代码和位于负责此循环:阅读字典时循环的优化
while (<LEFFF>) {
chomp;
s/ /_/g;
# s/(\S)-(\S)/\1_-_\2/g;
/^(.*?)\t(.*?)\t(.*?)(\t|$)/ || next;
$form = $1; $cats = $2; $lemma = $3;
#print "$form \n";
#print "$cats \n";
#print "$lemma \n";
if ($lower_case_lemmas) {
$lemma = lc($lemma);
}
if ($it_mapping) {
next if ($form =~ /^.+'$/);
next if ($form eq "dato" && $lemma eq "datare"); # bourrin
next if ($form eq "stato" && $lemma eq "stare"); # bourrin
next if ($form eq "stata" && $lemma eq "stare"); # bourrin
next if ($form eq "parti" && $lemma eq "parto"); # bourrin
if ($cats =~ /^(parentf|parento|poncts|ponctw)$/) {$cats = "PUNCT"}
if ($cats =~ /^(PRO)$/) {$cats = "PRON"}
if ($cats =~ /^(ARTPRE)$/) {$cats = "PREDET"}
if ($cats =~ /^(VER|ASP|AUX|CAU)$/) {$cats = "VERB"}
if ($cats =~ /^(CON)$/) {$cats = "CONJ"}
if ($cats =~ /^(PRE)$/) {$cats = "PREP"}
if ($cats =~ /^(DET)$/) {$cats = "ADJ"}
if ($cats =~ /^(WH)$/) {$cats = "PRON|CONJ"}
next if ($form =~ /^(una|la|le|gli|agli|ai|al|alla|alle|col|dagli|dai|dal|dalla|dalle|degli|dei|del|della|delle|dello|nei|nel|nella|nelle|nello|sul|sulla)$/ && $cats eq "ART");
next if ($form =~ /^quest[aei]$/ && $cats eq "ADJ");
next if ($form =~ /^quest[aei]$/ && $cats eq "PRON");
next if ($form =~ /^quell[aei]$/ && $cats eq "ADJ");
next if ($form =~ /^quell[aei]$/ && $cats eq "PRON");
next if ($form =~ /^ad$/ && $cats eq "PREP");
next if ($form =~ /^[oe]d$/ && $cats eq "CONJ");
}
$qmlemma = quotemeta ($lemma);
for $cat (split /\|/, $cats) {
if (defined ($cat_form2lemma{$cat}) && defined ($cat_form2lemma{$cat}{$form}) && $cat_form2lemma{$cat}{$form} !~ /(^|\|)$qmlemma(\||$)/) {
$cat_form2lemma{$cat}{$form} .= "|$lemma";
} else {
$cat_form2lemma{$cat}{$form} = "$lemma";
$form_lemma_suffs = "@".$form."###@".$lemma;
while ($form_lemma_suffs =~ s/^(.)(.+)###\1(.+)/\2###\3/) {
if (length($2) <= 8) {
$cat_formsuff_lemmasuff2count{$cat}{$2}{$3}++;
if ($multiple_lemmas) {
$cat_formsuff_lemmasuff2count{$cat}{$2}{__ALL__}++;
}
}
}
}
}
}
可变LEFFF是490489线构成的字典。因此循环将逐字比较所有字典行。这真的很重要。 任何想法如何优化? 谢谢。 Med。
你最好在这里发表:http://codereview.stackexchange.com/ – Toto
OP现已[张贴在代码审查(http://codereview.stackexchange.com/questions/30312/优化-的-A-while循环的搜索换词-IN-A-词典/ 30317)。 – amon