c# - 代码翻译(Python 到 C#)需要一些帮助

Question

大家晚安

这个问题让我有点尴尬，因为我当然知道我一个人应该能够得到答案。然而，我对 Python 的了解只是一点点，所以我需要比我更有经验的人的帮助......

以下代码来自Norvig's "Natural Language Corpus Data"最近编辑的书中的一章，它是关于将句子“likethisone”转换为“[like, this, one]”(也就是说，正确分割单词)...

除了函数segment，我已经将所有代码移植到C#(事实上，我自己重写了程序)，我什至试图理解它都遇到了很多麻烦句法。有人可以帮我将它翻译成更易读的 C# 形式吗？

非常感谢您。

################ Word Segmentation (p. 223)

@memo
def segment(text):
    "Return a list of words that is the best segmentation of text."
    if not text: return []
    candidates = ([first]+segment(rem) for first,rem in splits(text))
    return max(candidates, key=Pwords)

def splits(text, L=20):
    "Return a list of all possible (first, rem) pairs, len(first)<=L."
    return [(text[:i+1], text[i+1:]) 
            for i in range(min(len(text), L))]

def Pwords(words): 
    "The Naive Bayes probability of a sequence of words."
    return product(Pw(w) for w in words)

#### Support functions (p. 224)

def product(nums):
    "Return the product of a sequence of numbers."
    return reduce(operator.mul, nums, 1)

class Pdist(dict):
    "A probability distribution estimated from counts in datafile."
    def __init__(self, data=[], N=None, missingfn=None):
        for key,count in data:
            self[key] = self.get(key, 0) + int(count)
        self.N = float(N or sum(self.itervalues()))
        self.missingfn = missingfn or (lambda k, N: 1./N)
    def __call__(self, key): 
        if key in self: return self[key]/self.N  
        else: return self.missingfn(key, self.N)

def datafile(name, sep='\t'):
    "Read key,value pairs from file."
    for line in file(name):
        yield line.split(sep)

def avoid_long_words(key, N):
    "Estimate the probability of an unknown word."
    return 10./(N * 10**len(key))

N = 1024908267229 ## Number of tokens

Pw  = Pdist(datafile('count_1w.txt'), N, avoid_long_words)

Answer 1

让我们先处理第一个函数:

def segment(text): 
    "Return a list of words that is the best segmentation of text." 
    if not text: return [] 
    candidates = ([first]+segment(rem) for first,rem in splits(text)) 
    return max(candidates, key=Pwords) 

它接受一个单词并返回它可能是的最有可能的单词列表，因此它的签名将为 static IEnumerable<string> segment(string text) .显然如果text是一个空字符串，它的结果应该是一个空列表。否则，它会创建一个递归列表理解，定义可能的候选单词列表，并根据其概率返回最大值。

static IEnumerable<string> segment(string text)
{
    if (text == "") return new string[0]; // C# idiom for empty list of strings
    var candidates = from pair in splits(text)
                     select new[] {pair.Item1}.Concat(segment(pair.Item2));
    return candidates.OrderBy(Pwords).First();
}

当然，现在我们要翻译splits功能。它的工作是返回一个单词开头和结尾的所有可能元组的列表。翻译起来相当简单:

static IEnumerable<Tuple<string, string>> splits(string text, int L = 20)
{
    return from i in Enumerable.Range(1, Math.Min(text.Length, L))
           select Tuple.Create(text.Substring(0, i), text.Substring(i));
}

接下来是Pwords ，它只调用 product在 Pw 的结果上运行在其输入列表中的每个单词上:

static double Pwords(IEnumerable<string> words)
{
    return product(from w in words select Pw(w));
}

和product非常简单:

static double product(IEnumerable<double> nums)
{
    return nums.Aggregate((a, b) => a * b);
}

附录:

查看完整的源代码，很明显 Norvig 想要 segment 的结果。函数被内存以提高速度。这是提供这种加速的版本:

static Dictionary<string, IEnumerable<string>> segmentTable =
   new Dictionary<string, IEnumerable<string>>();

static IEnumerable<string> segment(string text)
{
    if (text == "") return new string[0]; // C# idiom for empty list of strings
    if (!segmentTable.ContainsKey(text))
    {
        var candidates = from pair in splits(text)
                         select new[] {pair.Item1}.Concat(segment(pair.Item2));
        segmentTable[text] = candidates.OrderBy(Pwords).First().ToList();
    }
    return segmentTable[text];
}