我必须在文本中寻找概念。这些概念以以下方式表示：
"blue 5 house">>意味着我必须找到单词blue和house出现在distance of 5 or less words中的命中率。则CCD_ 5将意味着找到单词little和cat出现在distance of max 3 words内的命中。(即"小猫"、"烦人的小猫"，但不是"我奶奶的猫很小"(
我想你明白了。
到目前为止，我有一个(不是很复杂的(代码如下。我刚刚实现了两个嵌套循环，遍历文本中的所有单词，当第一个单词命中时，开始在周围的单词中寻找另一个，并将结果添加到列表中：
with open('applicationtext.txt', 'r') as f:
content=f.read()
# content = ' Lorem ipsum dolor sit amet, consectetur (23) adipiscing elit, sed do ( 23 , 45 ) eiusmod ( 23, 45 ) tempor incididunt ut '
# Note: the text contains several times: "sit amet eros vestibulum"
elasticTerm1="sit"
elasticTerm2="vestibulum"
distance=5
content=content.strip()
# replace all the line breaks and two spaces.
content = content.replace('n', ' ').replace('r', '').replace(' ',' ')
listofHits=[]
content_tokenized = content.split(" ")
for i,word in enumerate(content_tokenized):
if word==elasticTerm1:
for j in range(distance):
if content_tokenized[i+j]==elasticTerm2:
# I got a hit
position1=i
myhitTupple=(i,elasticTerm1)
listofHits.append(myhitTupple)
for i,tupple in enumerate(listofHits):
print(tupple)
到目前为止还可以。
想象一下，我正在考虑如何在此基础上构建递归代码，这将给我带来以下命中率：
(little 3 cat) 4 third_word甚至concept1 5 concept2；其中concept1=("blue 3 cat")和concept2=("little 4 dollar")？？？
我该怎么想？上课？这已经包含在scikit-learn中了吗？不仅仅是一个代码(我想这会很复杂(，我在问你方向。如何递归地思考用代码解决的问题。
感谢
注1：请忘记"小猫"与"小猫"的顺序，这是另一个问题。
注2：(在第一个答案之后(请注意，这是一个非常简单的情况，实际上我看到的是这样的情况：((concept1 n1 concept2) n2 concept 3)) n3 (concept1 n4 concept 5)
解决方案的关键观察结果：
- 当我们从标记到"概念"时，我们需要范围而不是索引
- 我们需要定义一个函数来找到两个概念之间的"距离"，即它们对应的范围。(下文
dist( - 组合概念的另一个功能，即它们的范围。(下文
comb(
现在在我们的主要递归函数中，我们首先找出这两个概念的所有出现。然后我们可以简单地找到距离小于指定距离的对。在这个实现中，我们的主hits()采用了一个"概念"：它要么是基本格中的一个单词，要么是一个有两个概念的三元元组，int指定了它们之间的最大可能距离。该函数的输出是一个范围数组，其中每个范围都包含最大距离内的两个概念。这个数组可以被认为是输入概念的所有出现。
这是完整的代码。
#Find distance between two concept's ranges
#ex1: dist([2,9],[11,13]) = 2
#ex2: dist([2,9],[4,99]) = 0
def dist(r1,r2):
#check for overlap
if r2[0]<=r1[0]<=r2[1] or r1[0]<=r2[0]<=r1[1]:
return 0
return max(r1[0],r2[0]) - min(r1[1],r2[1])
#Combine two concept's ranges
#ex1: comb([1,3],[6,9]) = [1,9]
#ex2: comb([4,11],[1,7]) = [1,11]
def comb(r1,r2):
return [min(r1[0],r2[0]),max(r1[1],r2[1])]
def hits(concept):
if type(concept)==str:
return [(i,i) for i,w in enumerate(tokens) if w==concept]
c1,c2,R = concept
ans = []
for r1 in hits(c1):
for r2 in hits(c2):
if dist(r1,r2)<=R:
ans.append(comb(r1,r2))
return ans
为了测试这一点，情况1：(此输出[[0-9]](
tokens = "python group of words search implemented recursively How to proceed".split()
c1 = ("python","words",3)
c2 = ("recursively","proceed",4)
print(hits((c1,c2,3)))
情况2：(输出[0-8]](
c1 = ("python","of",3)
c2 = ("search","recursively",4)
print(hits(((c1,c2,3),"to",3)))
情况3：(输出[0,3]，[6,8]](
tokens = "A B B X C C X Q A W".split()
c1 = ("A","X",4)
print(hits(c1))
为了提高性能，对递归的基本情况进行预处理。