639 lines
42 KiB
TeX
639 lines
42 KiB
TeX
\documentclass[a4paper, final]{article}
|
||
%\usepackage{literat} % Нормальные шрифты
|
||
\usepackage[14pt]{extsizes} % для того чтобы задать нестандартный 14-ый размер шрифта
|
||
\usepackage{tabularx}
|
||
\usepackage[T2A]{fontenc}
|
||
\usepackage[utf8]{inputenc}
|
||
\usepackage[russian]{babel}
|
||
\usepackage{amsmath}
|
||
\usepackage[left=25mm, top=20mm, right=20mm, bottom=20mm, footskip=10mm]{geometry}
|
||
\usepackage{ragged2e} %для растягивания по ширине
|
||
\usepackage{setspace} %для межстрочного интервала
|
||
\usepackage{moreverb} %для работы с листингами
|
||
\usepackage{indentfirst} % для абзацного отступа
|
||
\usepackage{moreverb} %для печати в листинге исходного кода программ
|
||
\usepackage{pdfpages} %для вставки других pdf файлов
|
||
\usepackage{tikz}
|
||
\usepackage{graphicx}
|
||
\usepackage{afterpage}
|
||
\usepackage{longtable}
|
||
\usepackage{float}
|
||
|
||
|
||
|
||
% \usepackage[paper=A4,DIV=12]{typearea}
|
||
\usepackage{pdflscape}
|
||
% \usepackage{lscape}
|
||
|
||
\usepackage{array}
|
||
\usepackage{multirow}
|
||
|
||
\renewcommand\verbatimtabsize{4\relax}
|
||
\renewcommand\listingoffset{0.2em} %отступ от номеров строк в листинге
|
||
\renewcommand{\arraystretch}{1.4} % изменяю высоту строки в таблице
|
||
\usepackage[font=small, singlelinecheck=false, justification=centering, format=plain, labelsep=period]{caption} %для настройки заголовка таблицы
|
||
\usepackage{listings} %листинги
|
||
\usepackage{xcolor} % цвета
|
||
\usepackage{hyperref}% для гиперссылок
|
||
\usepackage{enumitem} %для перечислений
|
||
|
||
% Настраиваем листинги, чтобы они использовали счётчик figure
|
||
% \AtBeginDocument{
|
||
% \renewcommand{\thelstlisting}{\thefigure} % Листинги используют тот же счетчик, что и рисунки
|
||
% \renewcommand{\lstlistingname}{Рис.} % Меняем подпись на "Рисунок"
|
||
% }
|
||
|
||
% Автоматически увеличиваем счетчик figure перед каждым листингом
|
||
% \let\oldlstlisting\lstlisting
|
||
% \renewcommand{\lstlisting}[1][]{%
|
||
% \refstepcounter{figure}% Увеличиваем счетчик figure
|
||
% \oldlstlisting[#1]% Вызываем оригинальную команду lstlisting
|
||
% }
|
||
|
||
\newcommand{\specialcell}[2][l]{\begin{tabular}[#1]{@{}l@{}}#2\end{tabular}}
|
||
|
||
|
||
\setlist[enumerate,itemize]{leftmargin=1.2cm} %отступ в перечислениях
|
||
|
||
\hypersetup{colorlinks,
|
||
allcolors=[RGB]{010 090 200}} %красивые гиперссылки (не красные)
|
||
|
||
% подгружаемые языки — подробнее в документации listings (это всё для листингов)
|
||
\lstloadlanguages{ Haskell}
|
||
% включаем кириллицу и добавляем кое−какие опции
|
||
\lstset{tabsize=2,
|
||
breaklines,
|
||
basicstyle=\footnotesize,
|
||
columns=fullflexible,
|
||
flexiblecolumns,
|
||
numbers=left,
|
||
numberstyle={\footnotesize},
|
||
keywordstyle=\color{blue},
|
||
inputencoding=cp1251,
|
||
extendedchars=true
|
||
}
|
||
\lstdefinelanguage{MyC}{
|
||
language=Haskell,
|
||
% ndkeywordstyle=\color{darkgray}\bfseries,
|
||
% identifierstyle=\color{black},
|
||
% morecomment=[n]{/**}{*/},
|
||
% commentstyle=\color{blue}\ttfamily,
|
||
% stringstyle=\color{red}\ttfamily,
|
||
% morestring=[b]",
|
||
% showstringspaces=false,
|
||
% morecomment=[l][\color{gray}]{//},
|
||
keepspaces=true,
|
||
escapechar=\%,
|
||
texcl=true
|
||
}
|
||
|
||
\textheight=24cm % высота текста
|
||
\textwidth=16cm % ширина текста
|
||
\oddsidemargin=0pt % отступ от левого края
|
||
\topmargin=-1.5cm % отступ от верхнего края
|
||
\parindent=24pt % абзацный отступ
|
||
\parskip=5pt % интервал между абзацами
|
||
\tolerance=2000 % терпимость к "жидким" строкам
|
||
\flushbottom % выравнивание высоты страниц
|
||
|
||
|
||
% Настройка листингов
|
||
\lstset{
|
||
language=Haskell,
|
||
extendedchars=\true,
|
||
inputencoding=utf8,
|
||
keepspaces=true,
|
||
captionpos=t,
|
||
}
|
||
|
||
\begin{document} % начало документа
|
||
|
||
|
||
|
||
% НАЧАЛО ТИТУЛЬНОГО ЛИСТА
|
||
\begin{center}
|
||
\hfill \break
|
||
\hfill \break
|
||
\normalsize{МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ\\
|
||
федеральное государственное автономное образовательное учреждение высшего образования «Санкт-Петербургский политехнический университет Петра Великого»\\[10pt]}
|
||
\normalsize{Институт компьютерных наук и кибербезопасности}\\[10pt]
|
||
\normalsize{Высшая школа технологий искусственного интеллекта}\\[10pt]
|
||
\normalsize{Направление: 02.03.01 <<Математика и компьютерные науки>>}\\
|
||
|
||
\hfill \break
|
||
\hfill \break
|
||
\hfill \break
|
||
\hfill \break
|
||
\large{Отчет по курсовой работе}\\
|
||
\large{по дисциплине}\\
|
||
\large{<<Функциональное программирование>>}\\
|
||
\large{Вариант 5}\\
|
||
\hfill \break
|
||
|
||
% \hfill \break
|
||
% \hfill \break
|
||
\end{center}
|
||
|
||
\small{
|
||
\begin{tabular}{lrrl}
|
||
\!\!\!Студент, & \hspace{2cm} & & \\
|
||
\!\!\!группы 5130201/20102 & \hspace{2cm} & \underline{\hspace{3cm}} &Тищенко А. А. \\\\
|
||
\!\!\!Преподаватель,\\ \hspace{-5pt}к. т. н., доц. & \hspace{2cm} & \underline{\hspace{3cm}} & Моторин Д. Е. \\\\
|
||
&&\hspace{4cm}
|
||
\end{tabular}
|
||
\begin{flushright}
|
||
<<\underline{\hspace{1cm}}>>\underline{\hspace{2.5cm}} 2024г.
|
||
\end{flushright}
|
||
}
|
||
|
||
\hfill \break
|
||
% \hfill \break
|
||
\begin{center} \small{Санкт-Петербург, 2024} \end{center}
|
||
\thispagestyle{empty} % выключаем отображение номера для этой страницы
|
||
|
||
% КОНЕЦ ТИТУЛЬНОГО ЛИСТА
|
||
\newpage
|
||
|
||
\tableofcontents
|
||
|
||
|
||
% \newpage
|
||
|
||
% \section*{Введение}
|
||
|
||
% \addcontentsline{toc}{section}{Введение}
|
||
|
||
\newpage
|
||
\section {Постановка задачи}
|
||
|
||
В рамках курсовой работы необходимо реализовать два синтаксических анализатора, решающих следующие задачи:
|
||
|
||
\begin{enumerate}
|
||
\item Разработка синтаксического анализатора для обработки строк из текстового файла. Требуется:
|
||
\begin{itemize}
|
||
\item Читать строки, содержащие значения и бинарные операции, из текстового файла (.txt), название которого вводит пользователь.
|
||
\item Разбирать значения, представленные целыми числами в десятичной системе счисления.
|
||
\item Обрабатывать бинарные операции: сложение, вычитание, умножение, деление.
|
||
\item Вычислять результат выражения и выводить его на экран.
|
||
\end{itemize}
|
||
|
||
\item Разработка синтаксического анализатора текста и генератора продолжения текста. Задачи:
|
||
\begin{enumerate}
|
||
\item Считать текст из файла, название которого вводит пользователь, и выполнить его синтаксический анализ:
|
||
\begin{itemize}
|
||
\item Разбить текст на предложения, используя следующие правила: слова состоят только из букв; предложения состоят из слов и разделяются символами: \texttt{. ! ? ; : ( )}.
|
||
\item Удалить из текста все символы пунктуации и цифры.
|
||
\end{itemize}
|
||
|
||
\item Построить модель N-грамм:
|
||
\begin{itemize}
|
||
\item Использовать биграммы и триграммы.
|
||
\item Составить словарь, где ключами являются одно слово или пара слов, а значениями — списки всех уникальных возможных продолжений.
|
||
\item Сохранить словарь в текстовый файл (.txt).
|
||
\end{itemize}
|
||
|
||
\item Реализовать пользовательское взаимодействие:
|
||
\begin{itemize}
|
||
\item При вводе одного или пары слов возвращать случайную строку длиной от 2 до 15 слов, основанную на созданном словаре.
|
||
\item Если введенное слово отсутствует в ключах словаря, выводить сообщение об этом.
|
||
\end{itemize}
|
||
|
||
\item Организовать диалог между двумя моделями N-грамм, созданными на основе двух различных текстов:
|
||
\begin{itemize}
|
||
\item Пользователь задает начальное слово или пару слов и количество сообщений (глубину диалога).
|
||
\item Ответ каждой модели основывается на последнем слове (или предпоследнем, если последнее отсутствует в словаре) из предыдущего сообщения оппонента.
|
||
\end{itemize}
|
||
\end{enumerate}
|
||
|
||
В качестве текстов для построения моделей использовать произведения Антона Павловича Чехова.
|
||
\end{enumerate}
|
||
|
||
|
||
% \newpage
|
||
% \section {Математическое описание}
|
||
|
||
|
||
|
||
|
||
\newpage
|
||
\section{Особенности реализации}
|
||
Согласно заданию для каждой части работы был создан отдельный проект \texttt{stack}. Также все монадические вычисления были записаны без использования do-нотации, а лишь с помощью операторов \texttt{>\>>=} и \texttt{>\>>}. Все чистые функции были записаны в библиотеку \texttt{Lib.hs}, а доступ к вспомогательным функциям был ограничен.
|
||
|
||
\subsection{Часть 1: Синтаксический анализ арифметических выражений}
|
||
|
||
\subsubsection{Тип Parser}
|
||
Тип \texttt{Parser} обеспечивает разбор входной строки по заданным правилам. Он принимает на вход список токенов (например, символов) и пытается разобрать их в соответствии с описанными правилами, возвращая либо результат с оставшейся частью строки, либо \texttt{Nothing}, если разбор не удался.
|
||
|
||
Код типа \texttt{Parser} представлен в листинге~\ref{lst:parser_type}.
|
||
\begin{itemize}
|
||
\item Вход: список токенов.
|
||
\item Выход: результат разбора в виде \texttt{Maybe ([tok], a)}.
|
||
\end{itemize}
|
||
|
||
Для типа \texttt{Parser} определены представители классов типов для \texttt{Functor}, \texttt{Applicative} и \texttt{Alternative}. Представитель \texttt{Functor} позволяет применять функцию к результату разбора парсера. Представители \texttt{Applicative} и \texttt{Alternative} позволяют последовательно комбинировать разные парсеры и функции и составлять сложные парсеры из простых.
|
||
|
||
\begin{lstlisting}[caption={Определение типа Parser и его представителей для классов типов Functor, Applicative и Alternative.}, label={lst:parser_type}]
|
||
newtype Parser tok a =
|
||
Parser { runParser :: [tok] -> Maybe ([tok], a)}
|
||
|
||
instance Functor (Parser tok) where
|
||
fmap g (Parser p) = Parser $ \xs ->
|
||
case p xs of
|
||
Nothing -> Nothing
|
||
Just (cs, c) -> Just (cs, g c)
|
||
|
||
instance Applicative (Parser tok) where
|
||
pure x = Parser $ \toks -> Just (toks, x)
|
||
Parser u <*> Parser v = Parser $ \xs ->
|
||
case u xs of
|
||
Nothing -> Nothing
|
||
Just (xs', g) ->
|
||
case v xs' of
|
||
Nothing -> Nothing
|
||
Just (xs'', x) -> Just (xs'', g x)
|
||
|
||
instance Alternative (Parser tok) where
|
||
empty = Parser $ \_ -> Nothing
|
||
Parser u <|> Parser v = Parser $ \xs ->
|
||
case u xs of
|
||
Nothing -> v xs
|
||
z -> z
|
||
\end{lstlisting}
|
||
|
||
\subsubsection{Работа с арифметическими операциями}
|
||
В листинге~\ref{lst:Operation} представлен код определения класса \texttt{Operation}, а также нескольких вспомогательных функций для работы с ним. Тип используется для хранения одной из четырёх арифметических операций: сложение, вычитание, умножение и деление. Функция \texttt{operationToString} принимает значение типа \texttt{Operation} и возвращает его строковое представление. Функция \texttt{operationToOperator} также принимает значение типа \texttt{Operation}, а возвращает функцию, соответствующую арифметической операции.
|
||
|
||
\begin{lstlisting}[caption={Определение типа Operation и функций для работы с ним.}, label={lst:Operation}]
|
||
data Operation = Add | Sub | Mul | Div deriving Show
|
||
|
||
operationToString :: Operation -> String
|
||
operationToString op = case op of
|
||
Add -> "+"
|
||
Sub -> "-"
|
||
Mul -> "*"
|
||
Div -> "/"
|
||
|
||
operationToOperator :: Operation -> (Int -> Int -> Int)
|
||
operationToOperator op = case op of
|
||
Add -> (+)
|
||
Sub -> (-)
|
||
Mul -> (*)
|
||
Div -> div
|
||
\end{lstlisting}
|
||
|
||
\subsubsection{Базовые парсеры}
|
||
|
||
В этом разделе рассматриваются основные парсеры, используемые для разбора арифметических выражений. Эти парсеры являются строительными блоками для более сложных выражений. Их код представлен в листинге~\ref{lst:base_parsers}.
|
||
|
||
\begin{itemize}
|
||
\item \texttt{satisfy} — парсит символ, удовлетворяющий предикату, и возвращает его.
|
||
\item \texttt{char} — парсит один заданный символ и возвращает его.
|
||
\item \texttt{digit} — парсит одну цифру и возвращает в виде символа.
|
||
\item \texttt{skipSpaces} — парсит все пробелы пока не встретить символ, который пробелом не является.
|
||
\item \texttt{number} — парсит целое число (последовательность цифр) и возвращает в виде~\texttt{Int}.
|
||
\item \texttt{operation} — парсит арифметическую операцию (\texttt{+}, \texttt{-}, \texttt{*}, \texttt{/}) и возвращает как значение типа \texttt{Operation}.
|
||
\end{itemize}
|
||
|
||
\begin{lstlisting}[caption={Базовые парсеры}, label={lst:base_parsers}]
|
||
satisfy :: (tok -> Bool) -> Parser tok tok
|
||
satisfy pr = Parser $ \case
|
||
(c:cs) | pr c -> Just (cs, c)
|
||
_ -> Nothing
|
||
|
||
char :: Char -> Parser Char Char
|
||
char c = satisfy (== c)
|
||
|
||
digit :: Parser Char Char
|
||
digit = satisfy isDigit
|
||
|
||
skipSpaces :: Parser Char String
|
||
skipSpaces = many (char ' ')
|
||
|
||
number :: Parser Char Int
|
||
number = skipSpaces *> (strToInt <$> some digit)
|
||
where
|
||
strToInt = foldl (\acc x -> acc * 10 + digitToInt x) 0
|
||
|
||
operation :: Parser Char Operation
|
||
operation = skipSpaces *> (
|
||
char '+' *> pure Add <|>
|
||
char '-' *> pure Sub <|>
|
||
char '*' *> pure Mul <|>
|
||
char '/' *> pure Div
|
||
)
|
||
\end{lstlisting}
|
||
|
||
\subsubsection{Парсер expression}
|
||
Парсер \texttt{expression}, код которого представлен в листинге~\ref{lst:expression}, парсит выражение вида \texttt{<число> <операция> <число>}. В случае успеха возвращает кортеж вида: \texttt{(Int -- левый операнд, Operation -- операция, Int -- правый операнд)}. Является комбинацей парсеров \texttt{number} и \texttt{operation}. Не чувствителен к пробелам до выражения и внутри него, между операндами и оператором. Поглощает также пробелы после выражения с помощью парсера \texttt{skipSpaces}.
|
||
|
||
\begin{lstlisting}[caption={Код функции expression}, label={lst:expression}]
|
||
expression :: Parser Char (Int, Operation, Int)
|
||
expression = (,,) <$> number <*> operation <*> number <* skipSpaces
|
||
\end{lstlisting}
|
||
|
||
\subsubsection{Функция processExpression}
|
||
Код функции \texttt{processExpression} представлен в листинге~\ref{lst:processExpression}.
|
||
Функция принимает строку, парсит её как выражение, вычисляет результат и возвращает строку с ответом. При ошибке парсинга генерирует ошибку.
|
||
|
||
Вход: \texttt{String} — строка с выражением.
|
||
Выход: \texttt{String} — результат вычисления в формате \texttt{a op b = result}.
|
||
|
||
Вспомогательная функция \texttt{calculateExpression} используется для вычисления результата. На вход она получает операнды и операцию, а возвращает вычисленное значение. Её код также представлен в листинге~\ref{lst:processExpression}.
|
||
|
||
\begin{lstlisting}[caption={Код функции processExpression}, label={lst:processExpression}]
|
||
processExpression :: String -> String
|
||
processExpression s = case runParser expression s of
|
||
Nothing -> error $ "Не удалось прочитать выражение: \"" ++ s ++ "\""
|
||
Just (cs, (a, op, b)) -> case cs of
|
||
[] -> show a ++ " " ++ operationToString op ++ " " ++
|
||
show b ++ " = " ++ show (calculateExpression (a, op, b)) ++ "\n"
|
||
_ -> error $ "Не удалось прочитать выражение: \"" ++ s ++ "\""
|
||
|
||
|
||
calculateExpression :: (Int, Operation, Int) -> Int
|
||
calculateExpression (a, op, b) = (operationToOperator op) a b
|
||
\end{lstlisting}
|
||
|
||
|
||
\subsubsection{Функция main}
|
||
Код функции \texttt{main} представлен в листинге~\ref{lst:main}.
|
||
Функция \texttt{main} считывает имя файла у пользователя, читает файл, построчно обрабатывает каждое выражение с помощью \texttt{processExpression} и выводит результат.
|
||
|
||
\begin{lstlisting}[caption={Код функции main}, label={lst:main}]
|
||
main :: IO ()
|
||
main =
|
||
putStrLn "Введите имя файла:" >>
|
||
getLine >>= \fileName ->
|
||
readFile fileName >>= \content ->
|
||
let expressions = lines content in
|
||
putStrLn $ concatMap processExpression expressions
|
||
\end{lstlisting}
|
||
|
||
|
||
\subsection{Часть 2: Синтаксический анализ текста и генерация фраз}
|
||
|
||
\subsubsection{Функция splitText}
|
||
|
||
На первом этапе необходимо разделить текст на предложения и слова. Предложения определяются с помощью разделителей \texttt{.!?;:()}. В словах удаляются небуквенные символы и цифры. Код функции \texttt{splitText}, ответственной за разбиение текста и очистку слов, представлен в листинге~\ref{lst:splitText}. Функция принимает на вход строку -- исходный текст, а возвращает список предложений, где каждое предложение представлено в виде списка слов.
|
||
|
||
\begin{lstlisting}[caption={Функция splitText для разбора текста на предложения и слова}, label={lst:splitText}]
|
||
splitText :: String -> [[String]]
|
||
splitText text = filter (not . null) $ map (processSentence . words) (splitSentences text)
|
||
where
|
||
splitSentences :: String -> [String]
|
||
splitSentences [] = []
|
||
splitSentences s =
|
||
let (sentence, rest) = break isSeparator s
|
||
rest' = dropWhile isSeparator rest
|
||
in if null sentence
|
||
then splitSentences rest'
|
||
else sentence : splitSentences rest'
|
||
|
||
isSeparator :: Char -> Bool
|
||
isSeparator c = c `elem` ".!?;:()"
|
||
|
||
processSentence :: [String] -> [String]
|
||
processSentence = filter (not . null) . map cleanWord
|
||
|
||
cleanWord :: String -> String
|
||
cleanWord = map toLower . filter isLetter
|
||
\end{lstlisting}
|
||
|
||
\subsubsection{Функция buildDictionary}
|
||
|
||
На основе полученных предложений строится словарь, где ключами являются либо отдельные слова, либо пары слов, а значениями — списки возможных продолжений (следующее слово или пара слов для триграмм). Для этого используются биграммы и триграммы. Код функции \texttt{buildDictionary}, формирующей словарь представлен в листинге~\ref{lst:buildDictionary}.
|
||
|
||
\begin{lstlisting}[caption={Функция buildDictionary для формирования словаря N-грамм}, label={lst:buildDictionary}]
|
||
buildDictionary :: [[String]] -> Map String [String]
|
||
buildDictionary sentences =
|
||
let bigrams = [ (w1, w2) | s <- sentences, (w1:w2:_) <- tails s ]
|
||
trigrams = [ (w1, w2, w3) | s <- sentences, (w1:w2:w3:_) <- tails s ]
|
||
singleKeys = foldr (\(w1, w2) acc -> Map.insertWith (++) w1 [w2] acc) Map.empty bigrams
|
||
singleKeys' = foldr (\(w1, w2, w3) acc -> Map.insertWith (++) w1 [w2 ++ " " ++ w3] acc) singleKeys trigrams
|
||
doubleKeys = foldr (\(w1, w2, w3) acc -> Map.insertWith (++) (w1 ++ " " ++ w2) [w3] acc) Map.empty trigrams
|
||
combined = Map.unionWith (++) singleKeys' doubleKeys
|
||
in Map.map nub combined
|
||
\end{lstlisting}
|
||
|
||
\subsubsection{Функция saveDictionary}
|
||
Функция \texttt{saveDictionary}, код которой представлен в листинге~\ref{lst:saveDictionary}, сохраняет словарь с N-граммами в текстовый файл. Она принимает на вход путь до файла и сам словарь, явно ничего не возвращает, но перезаписывает содержимое файла. Для получения текстового представления списков вместо стандартной функции \texttt{show}, используется \texttt{ushow} из библиотеки \texttt{unescaping-print}~\cite{unescaping-print}. \texttt{ushow} отображает кириллицу напрямую, без экранирования, в отличии от стандартной функции \texttt{show}.
|
||
|
||
\begin{lstlisting}[caption={Функция saveDictionary для сохранения словаря N-грамм в файл.}, label={lst:saveDictionary}]
|
||
saveDictionary :: FilePath -> Map String [String] -> IO ()
|
||
saveDictionary filePath dict = withFile filePath WriteMode $ \h ->
|
||
mapM_ (\(k,v) -> hPutStrLn h $ ushow k ++ ": " ++ ushow v) (Map.toList dict)
|
||
\end{lstlisting}
|
||
|
||
\subsubsection{Функция generatePhrase}
|
||
|
||
Программа случайным образом формирует фразу длиной от 2 до 15 слов, используя словарь. На каждом шаге выбирается случайное продолжение, пока не будут исчерпаны возможные варианты или не достигнута заданная длина. Код функции для генерации фразы приведён в листинге~\ref{lst:generatePhrase}.
|
||
|
||
\begin{lstlisting}[caption={Функция generatePhrase для генерации фразы}, label={lst:generatePhrase}]
|
||
generatePhrase :: Map String [String] -> String -> StdGen -> [String]
|
||
generatePhrase dict start initGenState =
|
||
let (len, initGenState') = randomR (2,15 :: Int) initGenState
|
||
in reverse $ gp start [] len initGenState'
|
||
where
|
||
gp :: String -> [String] -> Int -> StdGen -> [String]
|
||
gp key acc n genState
|
||
| n <= 0 = acc
|
||
| otherwise =
|
||
case Map.lookup key dict of
|
||
Nothing -> acc
|
||
Just [] -> acc
|
||
Just vals ->
|
||
let (i, newGenState) = randomR (0, length vals - 1) genState
|
||
next = vals !! i
|
||
in gp next (next:acc) (n - length (words next)) newGenState
|
||
\end{lstlisting}
|
||
|
||
|
||
\subsubsection{Функция processInput}
|
||
Функция \texttt{processInput}, код которой представлен в листинге~\ref{lst:processInput}, проверяет, существует ли введённое пользователем слово (или пара слов) в словаре, и генерирует фразу, используя функцию \texttt{generatePhrase}. Функция принимает на вход словарь и строку с пользовательским вводом. Явно ничего не возвращает, но выводит результаты в консоль.
|
||
|
||
\begin{lstlisting}[caption={Функция processInput для обработки пользовательского ввода}, label={lst:processInput}]
|
||
processInput :: Map String [String] -> String -> IO ()
|
||
processInput dict input =
|
||
if Map.member input dict then
|
||
newStdGen >>= \gen ->
|
||
putStrLn $ unwords $ generatePhrase dict input gen
|
||
else
|
||
putStrLn "Нет в словаре"
|
||
\end{lstlisting}
|
||
|
||
\subsubsection{Функция twoModelsDialog}
|
||
|
||
Функция \texttt{twoModelsDialog}, код которой представлен в листинге~\ref{lst:twoModelsDialog}, симулирует диалог между двумя моделями N-грамм. Начальное слово или пару слов задаёт пользователь, затем модели по очереди генерируют ответы, основываясь на словах, из которых состоит последнее сообщение их собеседника. Функция \texttt{twoModelsDialog} принимает на вход два словаря N-грамм, строку с пользовательским вводом, в котором содержится стартовая N-грамма, и число -- наибольшее количество сообщений от каждой модели.
|
||
|
||
Внутри \texttt{twoModelsDialog} используются две вспомогательные функции:
|
||
|
||
\begin{itemize}
|
||
\item \texttt{findKeyForResponse} -- ищет в ответе собеседника слово, на которое модель способна дать ответ. Принимает на вход словарь N-грамм и список строк -- предложение с ответом собеседника. Возвращает строку с подходящим словом, если его удалось найти. Поиск слов идёт с конца предложения собеседника.
|
||
\item \texttt{dialogStep} -- генерирует ответ с помощью функции \texttt{generatePhrase} на основе слова из предложения собеседника, найденного с помощью \texttt{findKeyForResponse}. Принимает на вход словарь N-грамм и список N-грамм -- предложение собеседника. Если удалось сгенерировать ответ, то возвращает его в виде списка N-грамм.
|
||
\end{itemize}
|
||
|
||
\begin{lstlisting}[caption={Функция twoModelsDialog для организации диалога между двумя моделями}, label={lst:twoModelsDialog}]
|
||
twoModelsDialog :: Map String [String] -> Map String [String] -> String -> Int -> IO ()
|
||
twoModelsDialog dict1 dict2 start m =
|
||
newStdGen >>= \gen ->
|
||
let first = generatePhrase dict1 start gen
|
||
in putStrLn ("Модель 1: (" ++ start ++ ") " ++ unwords first) >>
|
||
loop dict1 dict2 first m
|
||
where
|
||
loop :: Map String [String] -> Map String [String] -> [String] -> Int -> IO ()
|
||
loop _ _ _ 0 = return ()
|
||
loop d1 d2 prev i =
|
||
putStr "Модель 2: " >>
|
||
dialogStep d2 prev >>= \resp ->
|
||
if null resp then return () else
|
||
putStr "Модель 1: " >>
|
||
dialogStep d1 resp >>= \resp2 ->
|
||
if null resp2 then return () else
|
||
loop d1 d2 resp2 (i-1)
|
||
|
||
findKeyForResponse :: Map String [String] -> [String] -> Maybe String
|
||
findKeyForResponse dict ws =
|
||
case dropWhile (\w -> Map.notMember w dict) (reverse ws) of
|
||
[] -> Nothing
|
||
(x:_) -> Just x
|
||
|
||
dialogStep :: Map String [String] -> [String] -> IO [String]
|
||
dialogStep dict prevPhrase =
|
||
case findKeyForResponse dict (words $ unwords prevPhrase) of
|
||
Nothing -> putStrLn "Нет в словаре" >> return []
|
||
Just key ->
|
||
newStdGen >>= \gen ->
|
||
let p = generatePhrase dict key gen
|
||
in putStrLn ("(" ++ key ++ ") " ++ unwords p) >> return p
|
||
\end{lstlisting}
|
||
|
||
\subsubsection{Функция Main}
|
||
Код функции \texttt{main} представлен в листинге~\ref{lst:main2}.
|
||
Функция \texttt{main} обрабатывает пользовательский ввод и с помощью функций \texttt{splitText} и \texttt{buildDictionary} строит две модели N-грамм на файлах указанных пользователем. Предлагает пользователю ввести слово или пару слов, на которые потом генерируется ответ с помощью функции \texttt{processInput}. Также запускает диалог между созданными моделями N-грамм с помощью функции \texttt{twoModelsDialog}. Словари с N-граммами моделей сохраняются в файлы \texttt{dict.txt} и \texttt{dict2.txt} с помощью функции \texttt{saveDictionary}.
|
||
|
||
\begin{lstlisting}[caption={Код функции main}, label={lst:main2}]
|
||
main :: IO ()
|
||
main =
|
||
putStrLn "Введите имя файла:" >>
|
||
getLine >>= \fileName ->
|
||
readFile fileName >>= \content ->
|
||
let sentences = splitText content in
|
||
let dict = buildDictionary sentences in
|
||
saveDictionary "dict.txt" dict >>
|
||
putStrLn "Введите слово или пару слов для генерации фразы:" >>
|
||
getLine >>= \input ->
|
||
processInput dict input >>
|
||
|
||
putStrLn "Введите имя второго файла:" >>
|
||
getLine >>= \fileName2 ->
|
||
readFile fileName2 >>= \content2 ->
|
||
let dict2 = buildDictionary (splitText content2) in
|
||
saveDictionary "dict2.txt" dict2 >>
|
||
putStrLn "Введите начальное слово или пару слов для старта диалога:" >>
|
||
getLine >>= \input2 ->
|
||
putStrLn "Введите количество сообщений от каждой модели:" >>
|
||
getLine >>= \ms ->
|
||
let m = read ms :: Int in
|
||
twoModelsDialog dict dict2 input2 m
|
||
\end{lstlisting}
|
||
|
||
|
||
|
||
\newpage
|
||
\section {Результаты работы программы}
|
||
\subsection{Часть 1: Синтаксический анализ арифметических выражений}
|
||
Результаты работы программы представлены на Рис.~\ref{fig:result1}. Программа предлагает пользователю ввести название файла, а затем выводит в консоль результаты разбора.
|
||
|
||
Если какую-то строку разобрать невозможно, то программа выведет ошибку, последующие строки анализироваться не будут. Пример такого сценария показан на Рис.~\ref{fig:bad_result1}. Программа также выводит в консоль строку, которую не удалось разобрать.
|
||
|
||
\begin{figure}[h!]
|
||
\centering
|
||
\includegraphics[width=0.25\linewidth]{img/result1.png}
|
||
\caption{Результат успешного разбора арифметических выражений.}
|
||
\label{fig:result1}
|
||
\end{figure}
|
||
|
||
\begin{figure}[h!]
|
||
\centering
|
||
\includegraphics[width=1\linewidth]{img/bad_result1.png}
|
||
\caption{Результат неудачного разбора арифметических выражений.}
|
||
\label{fig:bad_result1}
|
||
\end{figure}
|
||
|
||
Пример содержимого файла \texttt{expressions.txt} представлен ниже:
|
||
\begin{verbatim}
|
||
100 * 100
|
||
40 + 30
|
||
50 / 2
|
||
5 / 2
|
||
62 - 32
|
||
78 - 500
|
||
\end{verbatim}
|
||
|
||
\subsection{Часть 2: Синтаксический анализ текста и генерация фраз}
|
||
Результаты работы программы представлены на Рис.~\ref{fig:result2}. Программа предлагает пользователю ввести имя файла с текстом, а потом слово или пару слов, на основе которой генерируется и выводится ответ. Затем пользователю предлагается ввести имя ещё одного файла с текстом, задать начальное слово и размер диалога. После чего выводится диалог между полученными моделями, в скобках указано слово, с которого модель начала генерацию предложения.
|
||
|
||
\begin{figure}[h!]
|
||
\centering
|
||
\includegraphics[width=1\linewidth]{img/result2.png}
|
||
\caption{Результаты работы программы для синтаксического анализа текста и генерации фраз.}
|
||
\label{fig:result2}
|
||
\end{figure}
|
||
|
||
Если заданного слова нет в словаре, то программа выводит сообщение об этом. По этой же причине диалог между моделями может прерваться преждевременно, о чём также будет сообщено пользователю. Пример такого сценария показан на Рис.~\ref{fig:bad_result2}.
|
||
|
||
\begin{figure}[h!]
|
||
\centering
|
||
\includegraphics[width=1\linewidth]{img/bad_result2.png}
|
||
\caption{Пример ситуации, в которой модель не может сгенерировать продолжение текста.}
|
||
\label{fig:bad_result2}
|
||
\end{figure}
|
||
|
||
Файлы \texttt{text1.txt} и \texttt{text2.txt} содержат произведения Антона Павловича Чехова -- <<Человек в футляре>> и <<Каштанка>>. В первом тексте содержится 4146 слов, а во втором -- 5963. Первый абзац текста из файла \texttt{text1.txt} представлен ниже:
|
||
\begin{verbatim}
|
||
На самом краю села Мироносицкого, в сарае старосты Прокофия расположились
|
||
на ночлег запоздавшие охотники. Их было только двое: ветеринарный врач
|
||
Иван Иваныч и учитель гимназии Буркин. У Ивана Иваныча была довольно
|
||
странная, двойная фамилия - Чимша-Гималайский, которая совсем не шла ему,
|
||
и его во всей губернии звали просто по имени и отчеству; он жил около
|
||
города на конском заводе и приехал теперь на охоту, чтобы подышать чистым
|
||
воздухом. Учитель же гимназии Буркин каждое лето гостил у графов П. и в
|
||
этой местности давно уже был своим человеком.
|
||
\end{verbatim}
|
||
|
||
Программа сохраняет словари N-грамм в файлы \texttt{dict1.txt} и \texttt{dict2.txt}. В результате запуска программы на текстах, описанных выше, файл \texttt{dict1.txt} содержит 4511 строк, а файл \texttt{dict2.txt} -- 6250. Каждая строка файла представляет собой ключ и значение из словаря. Ключ это одна из N-грамм, а значение это список N-грамм, которые являются возможными продолжениями текста. Первые десять строк содержимого файла \texttt{dict1.txt} представлены ниже:
|
||
\begin{verbatim}
|
||
"а в": ["последние"]
|
||
"а варенька": ["поет"]
|
||
"а возле": ["бродит"]
|
||
"а вот": ["подчинились"]
|
||
"а вы": ["оставайтесь"]
|
||
"а главное": ["это"]
|
||
"а держал": ["повара"]
|
||
"а дома": ["как"]
|
||
"а на": ["педагогических","хуторе"]
|
||
"а он": ["зеленый","только"]
|
||
\end{verbatim}
|
||
|
||
\newpage
|
||
\section*{Заключение}
|
||
\addcontentsline{toc}{section}{Заключение}
|
||
В рамках курсовой работы были разработаны и реализованы два \texttt{stack} проекта на языке Haskell, соответствующих поставленным задачам.
|
||
|
||
Первый проект представляет собой синтаксический анализатор для обработки строк, содержащих целые числа и бинарные операции. Реализация включала чтение данных из файла, синтаксический разбор выражений и вычисление их результатов. Код проекта состоит из 115 строк.
|
||
|
||
Второй проект — синтаксический анализатор текста и генератор продолжения текста, основанный на модели N-грамм. Проект, содержащий 139 строк кода, включает функционал по синтаксическому разбору текста, удалению пунктуации и цифр, построению словаря биграмм и триграмм, генерации текста, а также ведению диалога между моделями, созданными на основе двух разных текстов. Для демонстрации работы программы были взяты два произведения А. П. Чехова: «Человек в футляре» (4146 слов) и «Каштанка» (5963 слова).
|
||
|
||
В ходе работы были выполнены все поставленные задачи, а полученные знания могут быть использованы в других проектах на языке Haskell.
|
||
|
||
|
||
\newpage
|
||
\section*{Список литературы}
|
||
\addcontentsline{toc}{section}{Список литературы}
|
||
|
||
\vspace{-1.5cm}
|
||
\begin{thebibliography}{0}
|
||
\bibitem{unescaping-print}
|
||
Hackage -- unescaping-print: Tiny package providing unescaping versions of show and print, URL: \url{https://hackage.haskell.org/package/unescaping-print}, Дата обращения: 09.12.2024.
|
||
\end{thebibliography}
|
||
\end{document} |