mirror of
https://github.com/moses-smt/mosesdecoder.git
synced 2024-08-16 15:00:33 +03:00
add tool for phrase lookup with biconcor
This commit is contained in:
parent
3740c9f248
commit
1ed54a6181
@ -1,2 +1,2 @@
|
|||||||
exe biconcor : Vocabulary.cpp SuffixArray.cpp TargetCorpus.cpp Alignment.cpp Mismatch.cpp PhrasePair.cpp PhrasePairCollection.cpp biconcor.cpp base64.cpp ;
|
exe biconcor : Vocabulary.cpp SuffixArray.cpp TargetCorpus.cpp Alignment.cpp Mismatch.cpp PhrasePair.cpp PhrasePairCollection.cpp biconcor.cpp base64.cpp ;
|
||||||
|
exe phrase-lookup : Vocabulary.cpp SuffixArray.cpp phrase-lookup.cpp ;
|
||||||
|
132
biconcor/phrase-lookup.cpp
Normal file
132
biconcor/phrase-lookup.cpp
Normal file
@ -0,0 +1,132 @@
|
|||||||
|
#include "SuffixArray.h"
|
||||||
|
#include <getopt.h>
|
||||||
|
|
||||||
|
using namespace std;
|
||||||
|
|
||||||
|
size_t lookup( string );
|
||||||
|
vector<string> tokenize( const char input[] );
|
||||||
|
SuffixArray suffixArray;
|
||||||
|
|
||||||
|
int main(int argc, char* argv[]) {
|
||||||
|
// handle parameters
|
||||||
|
string query;
|
||||||
|
string fileNameSuffix;
|
||||||
|
string fileNameSource;
|
||||||
|
int loadFlag = false;
|
||||||
|
int saveFlag = false;
|
||||||
|
int createFlag = false;
|
||||||
|
int queryFlag = false;
|
||||||
|
int stdioFlag = false; // receive requests from STDIN, respond to STDOUT
|
||||||
|
string info = "usage: biconcor\n\t[--load model-file]\n\t[--save model-file]\n\t[--create corpus]\n\t[--query string]\n\t[--stdio]\n";
|
||||||
|
while(1) {
|
||||||
|
static struct option long_options[] = {
|
||||||
|
{"load", required_argument, 0, 'l'},
|
||||||
|
{"save", required_argument, 0, 's'},
|
||||||
|
{"create", required_argument, 0, 'c'},
|
||||||
|
{"query", required_argument, 0, 'q'},
|
||||||
|
{"stdio", no_argument, 0, 'i'},
|
||||||
|
{0, 0, 0, 0}
|
||||||
|
};
|
||||||
|
int option_index = 0;
|
||||||
|
int c = getopt_long (argc, argv, "l:s:c:q:i", long_options, &option_index);
|
||||||
|
if (c == -1) break;
|
||||||
|
switch (c) {
|
||||||
|
case 'l':
|
||||||
|
fileNameSuffix = string(optarg);
|
||||||
|
loadFlag = true;
|
||||||
|
break;
|
||||||
|
case 's':
|
||||||
|
fileNameSuffix = string(optarg);
|
||||||
|
saveFlag = true;
|
||||||
|
break;
|
||||||
|
case 'c':
|
||||||
|
fileNameSource = string(optarg);
|
||||||
|
createFlag = true;
|
||||||
|
break;
|
||||||
|
case 'q':
|
||||||
|
query = string(optarg);
|
||||||
|
queryFlag = true;
|
||||||
|
break;
|
||||||
|
case 'i':
|
||||||
|
stdioFlag = true;
|
||||||
|
break;
|
||||||
|
default:
|
||||||
|
cerr << info;
|
||||||
|
exit(1);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
if (stdioFlag) {
|
||||||
|
queryFlag = true;
|
||||||
|
}
|
||||||
|
|
||||||
|
// check if parameter settings are legal
|
||||||
|
if (saveFlag && !createFlag) {
|
||||||
|
cerr << "error: cannot save without creating\n" << info;
|
||||||
|
exit(1);
|
||||||
|
}
|
||||||
|
if (saveFlag && loadFlag) {
|
||||||
|
cerr << "error: cannot load and save at the same time\n" << info;
|
||||||
|
exit(1);
|
||||||
|
}
|
||||||
|
if (!loadFlag && !createFlag) {
|
||||||
|
cerr << "error: neither load or create - i have no info!\n" << info;
|
||||||
|
exit(1);
|
||||||
|
}
|
||||||
|
|
||||||
|
// do your thing
|
||||||
|
if (createFlag) {
|
||||||
|
cerr << "will create\n";
|
||||||
|
cerr << "corpus is in " << fileNameSource << endl;
|
||||||
|
suffixArray.Create( fileNameSource );
|
||||||
|
if (saveFlag) {
|
||||||
|
suffixArray.Save( fileNameSuffix );
|
||||||
|
cerr << "will save in " << fileNameSuffix << endl;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
if (loadFlag) {
|
||||||
|
cerr << "will load from " << fileNameSuffix << endl;
|
||||||
|
suffixArray.Load( fileNameSuffix );
|
||||||
|
}
|
||||||
|
if (stdioFlag) {
|
||||||
|
while(true) {
|
||||||
|
string query;
|
||||||
|
if (getline(cin, query, '\n').eof()) {
|
||||||
|
return 0;
|
||||||
|
}
|
||||||
|
cout << lookup( query ) << endl;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
else if (queryFlag) {
|
||||||
|
cout << lookup( query ) << endl;
|
||||||
|
}
|
||||||
|
return 0;
|
||||||
|
}
|
||||||
|
|
||||||
|
size_t lookup( string query ) {
|
||||||
|
cerr << "query is " << query << endl;
|
||||||
|
vector< string > queryString = tokenize( query.c_str() );
|
||||||
|
return suffixArray.Count( queryString );
|
||||||
|
}
|
||||||
|
|
||||||
|
vector<string> tokenize( const char input[] )
|
||||||
|
{
|
||||||
|
vector< string > token;
|
||||||
|
bool betweenWords = true;
|
||||||
|
int start=0;
|
||||||
|
int i=0;
|
||||||
|
for(; input[i] != '\0'; i++) {
|
||||||
|
bool isSpace = (input[i] == ' ' || input[i] == '\t');
|
||||||
|
|
||||||
|
if (!isSpace && betweenWords) {
|
||||||
|
start = i;
|
||||||
|
betweenWords = false;
|
||||||
|
} else if (isSpace && !betweenWords) {
|
||||||
|
token.push_back( string( input+start, i-start ) );
|
||||||
|
betweenWords = true;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
if (!betweenWords)
|
||||||
|
token.push_back( string( input+start, i-start ) );
|
||||||
|
return token;
|
||||||
|
}
|
||||||
|
|
Loading…
Reference in New Issue
Block a user