Как я могу генерировать случайным образом буквы в соответствии с их частотой использования в обычной речи?
Любой псевдокод ценится, но реализация в Java будет фантастической. В противном случае просто тыкать в правильном направлении было бы полезно.
Примечание: мне не нужно, чтобы генерировать частоты использования - я уверен, что я могу посмотреть, что до достаточно легко.
Один быстрый способ сделать это было бы создать список писем, где каждая буква появилась в списке в соответствии с его частотой. Скажем, если «е» было использовано 25,6% времени, а список был длиной 1000, она будет иметь 256 «е» с.
Тогда вы можете просто случайно выбрать места из списка, используя (int) (Math.random() * 1000)для генерации случайных чисел в диапазоне от 0 до 999.
Я предполагаю, что вы будете хранить частоты, число с плавающей точкой между 0 и 1, что общим сделать 1.
Во-первых, вы должны подготовить таблицу кумулятивных частот, т.е. сумму частоты этого письма и все письма до него.
Для упрощения, если вы начнете с этим распределением частот:
A 0.1
B 0.3
C 0.4
D 0.2
Ваша совокупная таблица частот будет:
A 0.1
B 0.4 (= 0.1 + 0.3)
C 0.8 (= 0.1 + 0.3 + 0.4)
D 1.0 (= 0.1 + 0.3 + 0.4 + 0.2)
Теперь генерировать случайное число в диапазоне от 0 до 1 и увидеть, где в этом списке, что число лежит. Выберите букву, которая имеет наименьшую кумулятивную частоту больше, чем ваш случайное число. Некоторые примеры:
Допустим, вы случайно выбрать 0,612. Это лежит в диапазоне от 0,4 до 0,8, то есть между B и C, так что вы выбрали бы C.
Если случайное число было 0,039, что предшествует 0,1, то есть до А, так выберите A.
Я надеюсь, что имеет смысл, в противном случае, не стесняйтесь обратиться за разъяснения!
Не даже псевдо-код, но возможный подход заключается в следующем:
Пусть p1, p2, ..., рк частоты, которые вы хотите, чтобы соответствовать.
В зависимости от того, как вы реализуете интервал-вывод, процедура, как правило, более эффективно, если p1, p2, ... отсортированы в порядке убывания, потому что, как правило, найти интервал, содержащий х раньше.
Что я хотел бы сделать это масштабировать относительные частоты , как числа с плавающей точкой , такими , что их сумма равна 1,0. Тогда я хотел бы создать массив из кумулятивных сумм в письме, то есть число , которое должно быть увенчана , чтобы получить это письмо и всех тех , кто «ниже» это. Скажем , частота А составляет 10%, Ь 2% , а г = 1%; то ваша таблица будет выглядеть примерно так:
0.000 A ; from 0% to 10% gets you an A
0.100 B ; above 10% is at least a B
0.120 C ; 12% for C...
...
0.990 Z ; if your number is >= 99% then you get a Z
Тогда вы создаете себе случайное число в диапазоне от 0,0 до 1,0 и сделать бинарный поиск в массиве для первого числа меньше вашего случайного числа. Затем выберите букву в этой позиции. Готово.
Использование двоичного дерева дает хороший, чистый способ найти правильную запись. Здесь, вы начинаете с frequencyкартой, где ключи являются символами (английские буквы), а значения частоты их возникновения. Это инвертируется, и NavigableMapсоздается где ключи кумулятивная вероятность, а значения символов. Это делает поиск легким.
private final Random generator = new Random();
private final NavigableMap<Float, Integer> table =
new TreeMap<Float, Integer>();
private final float max;
public Frequency(Map<Integer, Float> frequency)
{
float total = 0;
for (Map.Entry<Integer, Float> e : frequency.entrySet()) {
total += e.getValue();
table.put(total, e.getKey());
}
max = total;
}
/**
* Choose a random symbol. The choices are weighted by frequency.
*/
public int roll()
{
Float key = generator.nextFloat() * max;
return table.higherEntry(key).getValue();
}