fanlusky
80b1fc42a1
词格原先的整句打分是一份没校准过的启发式 unigram，质量很差。这里内嵌 libime 在用的 kenlm 查询子集，改由它的三元模型 sc.lm 来打路径分。 - engine/ngram 只编 kenlm 的 query / trie-build 路径。不定义 WITH_THREADS， parallel_read.cc 因此退化成串行实现，整个子集零 Boost 依赖。 KENLM_MAX_ORDER=3 必须与建模阶数一致，改它等于读不懂已发布的模型文件。 - ngram::LanguageModel 是唯一 include kenlm 头文件的地方，对外只给出一个纯 std 的头，_HAS_AUTO_PTR_ETC 和 kenlm 的 include 目录都保持 PRIVATE。 - shared_language_model 按资源路径共享一份 mmap。kenlm 的查询是只读的且把 上下文放在调用方的 State 里，所以并发会话不需要额外加锁。 - 模型缺失时 valid() 为假，词格退回原来的启发式打分：整句候选只是变差，不会 停止工作。测试覆盖了缺模型降级与按路径共享。 - 出货的 ARPA 不带 <s>/</s>，所以解码从 null_state() 起算而非 begin_state()。 kenlm 是上游副本，不重排版、不进 clang-format，其 LGPL-2.1+ 与 BSD 例外清单 已补进 THIRD_PARTY_NOTICES.txt。googlepinyinime 那条 Fallback 整句路径不变。
54 lines
1.5 KiB
C++
54 lines
1.5 KiB
C++
#ifndef UTIL_STRING_PIECE_HASH_H
|
|
#define UTIL_STRING_PIECE_HASH_H
|
|
|
|
#include <functional>
|
|
#include "have.hh"
|
|
#include "string_piece.hh"
|
|
|
|
#include <boost/functional/hash.hpp>
|
|
#include <boost/version.hpp>
|
|
|
|
#ifdef HAVE_ICU
|
|
U_NAMESPACE_BEGIN
|
|
#endif
|
|
|
|
inline size_t hash_value(const StringPiece &str) {
|
|
return boost::hash_range(str.data(), str.data() + str.length());
|
|
}
|
|
|
|
#ifdef HAVE_ICU
|
|
U_NAMESPACE_END
|
|
#endif
|
|
|
|
/* Support for lookup of StringPiece in boost::unordered_map<std::string> */
|
|
struct StringPieceCompatibleHash : public std::unary_function<const StringPiece &, size_t> {
|
|
size_t operator()(const StringPiece &str) const {
|
|
return hash_value(str);
|
|
}
|
|
};
|
|
|
|
struct StringPieceCompatibleEquals : public std::binary_function<const StringPiece &, const std::string &, bool> {
|
|
bool operator()(const StringPiece &first, const StringPiece &second) const {
|
|
return first == second;
|
|
}
|
|
};
|
|
template <class T> typename T::const_iterator FindStringPiece(const T &t, const StringPiece &key) {
|
|
#if BOOST_VERSION < 104200
|
|
std::string temp(key.data(), key.size());
|
|
return t.find(temp);
|
|
#else
|
|
return t.find(key, StringPieceCompatibleHash(), StringPieceCompatibleEquals());
|
|
#endif
|
|
}
|
|
|
|
template <class T> typename T::iterator FindStringPiece(T &t, const StringPiece &key) {
|
|
#if BOOST_VERSION < 104200
|
|
std::string temp(key.data(), key.size());
|
|
return t.find(temp);
|
|
#else
|
|
return t.find(key, StringPieceCompatibleHash(), StringPieceCompatibleEquals());
|
|
#endif
|
|
}
|
|
|
|
#endif // UTIL_STRING_PIECE_HASH_H
|