python - 返回给定短语的匹配列表

Question

我正在尝试创建一种方法，可以检查给定短语是否与短语列表中的至少一项匹配并返回它们。输入是短语、短语列表和同义词列表词典。重点是要使其具有普遍性。

示例如下:

phrase = 'This is a little house'
dictSyns = {'little':['small','tiny','little'],
            'house':['cottage','house']}
listPhrases = ['This is a tiny house','This is a small cottage','This is a small building','I need advice']

我可以创建一个代码，可以在这个返回 bool 的示例中执行此操作:

if any('This'+' '+'is'+' '+'a'+x+' '+y == phrase for x in dictSyns['little'] for y in dictSyns['house']):
    print 'match'

第一点是我必须创建通用的函数(取决于结果)。第二个是我希望这个函数返回匹配短语的列表。

您能否给我一个建议，让我在这种情况下如何执行此操作，以便该方法返回 ['This is a tiny house','This is a Smallott']？

输出如下:

>>> getMatches(phrase, dictSyns, listPhrases)
['This is a tiny house','This is a small cottage']

Answer 1

我会按如下方式处理这个问题:

import itertools

def new_phrases(phrase, syns):
    """Generate new phrases from a base phrase and synonyms."""
    words = [syns.get(word, [word]) for word in phrase.split(' ')]
    for t in itertools.product(*words):
        yield ' '.join(t)

def get_matches(phrase, syns, phrases):
    """Generate acceptable new phrases based on a whitelist."""
    phrases = set(phrases)
    for new_phrase in new_phrases(phrase, syns):
        if new_phrase in phrases:
            yield new_phrase

代码的根源是 words 的赋值，在 new_phrases ，这会转换 phrase和syns转换为更可用的形式，一个列表，其中每个元素都是该单词的可接受选项的列表:

>>> [syns.get(word, [word]) for word in phrase.split(' ')]
[['This'], ['is'], ['a'], ['small', 'tiny', 'little'], ['cottage', 'house']]

注意以下几点:

• 使用生成器更有效地处理大量组合(而不是立即构建整个列表)；
• 使用set用于高效( O(1) ，与 O(n) 用于列表)成员资格测试；
• 使用 itertools.product 生成 phrase 的可能组合基于syns (您也可以使用 itertools.ifilter 来实现)；和
• Style guide合规性。

使用中:

>>> list(get_matches(phrase, syns, phrases))
['This is a small cottage', 'This is a tiny house']

需要考虑的事情:

• 字符大小写如何(例如 "House of Commons" 应如何处理)？
• 标点符号怎么样？