在文本挖掘中使用嵌套词典

Question

我有一个嵌套字典，结构如下：

rules = 
 {'conjugation': {'v0': {'ending': 'cer'}},
 {'v1': {'ending': 'er'}},

...

} 

我要做的是获取一个单词列表，找到它的所有结尾，并获取与该结尾相关联的ruleID。你知道吗

我需要以最严格的结尾为例，一个像“déplacer”这样的词需要显示v0，即使v1也适合，因为v0的结尾更长。你知道吗

有什么想法吗？谢谢

Answer 1

您可以使用trie对其进行评分，然后根据匹配键的长度对结果进行评分。你知道吗

首先使用后缀的反向字符串索引共轭：

In [1]: import pygtrie

In [2]: trie = pygtrie.CharTrie()

In [3]: trie['re'] = 'v0'

In [4]: trie['rec'] = 'v1'

然后可以使用以下代码查询共轭：

In [22]: list(trie.prefixes(''.join(reversed('aimer'))))
Out[22]: [('re', 'v0')]

In [23]: list(trie.prefixes(''.join(reversed('balancer'))))
Out[23]: [('re', 'v0'), ('rec', 'v1')]

然后您可以使用如下简单函数对结果进行评分：

In [24]: best = lambda candidates: sorted(candidates, key=lambda x: len(x[0]), reverse=True)[0]

In [25]: best(trie.prefixes(''.join(reversed('balancer'))))
Out[25]: ('rec', 'v1')