1 概況

由用戶輸入啟動詞，根據語料庫中統計的詞語前后綴關系，自動生成一片新的文章。
比如：春天來了，大地媽媽穿上了碧綠的衣裳。嫩綠的小草從地下探出頭來，陶醉在美麗的春天里。
前后綴關系：[前綴，后綴]。上面這段話的前后綴關系有：[春天，來/里]，[天來，了]，[天里，。]，[來了，，]等。
說明：

1. 啟動詞：用戶輸入的一個詞，由這個詞開始生成文章所有內容。
2. 前/后綴：一個詞前后連續的n個字符。比如前綴為“春天”，由例句中得到后綴可為“來”或“里”，即表示一種語言的前后關系。

---

2 基本要求

1. 準備語料庫：準備相關文章，存為文件。利用程序讀取文章內容，獲取文章語句中詞語的前后關系，即語料庫。語料庫的豐富程度由文章的數量決定，語料庫又決定程序運行的時間和生成的文章質量。
2. 構建前后綴關系：根據語料庫，依據設定的前后綴長度，構建字詞的前后綴關系。
3. 生成文章：用戶輸入啟動詞，根據啟動詞為前綴生成后綴得到文段，再根據文段生成新的前綴，以新前綴生成新后綴以此類推，得到一片文章。
4. 應盡量避免循環：有時語料庫中可能出現類似“為所欲為”的接龍結構，造成死循環，同時生成的內容也沒有了意義。
5. 輸入輸出形式：

//輸入：
	2	//前綴詞長度
	2	//后綴詞長度
	春天	//啟動詞
//輸出：
	[一篇文章]

---

3 程序分析

3.1 文件流讀寫

1. 讀文件：從多篇文章中讀取文件內容為字符串，以前/后綴的長度遍歷獲取前/后綴，并建立前后綴關系。
2. 寫文件：為觀察程序執行情況，將前/后綴字符對和生成的文章寫入文件。

3.2 建立前后綴關系

當需要在兩種數據間建立一種關系時，可以使用結構化數據進行存儲，比如建立前后綴關系可以采用字典類結構進行存儲，C++也有相應的頭文件。
除此之外，還可以將其抽象為一種類，可以定制類的行為和結構。這里選擇自建一個類進行存儲。
類設計：

1. 一個類記錄一個前綴和它的所有后綴，
2. 記錄后綴的出現次數
3. 記錄后綴的個數

class wordpair{
	private:
		char **suffix	//后綴字符串數組，一個后綴存為一個字符串
		int *freq		//一個后綴出現的次數
	public:
		char *prefix	//前綴字符串，聲明為公共成員，方便外部查找
		int length		//記錄后綴的個數
}

3.3 字符串切片

在C++的頭文件中，可以使用string類型代替char類型的字符串，而且對于字符串的操作也更方便。比如

string str1 = "abcd";
string str2 = "efghijk";
string str3 = str1 + str2;	// = “abcdefghijk”; 字符串拼接
string str4 = str3.substr(3,2);	// = "de"; 從下標為3的字符開始，截取長度為2的子字符串

以前一直覺得C語言和C++處理字符串很麻煩，現在倒覺得還是很方便的。

3.4 變長數組

C語言和C++中，基礎的數組長度相對固定，但也不是不能改變，只是相對麻煩一些。在這個程序中，一個wordpair只存儲一個前綴和它的后綴們，所以需要創建一個wordpair類型的列表來存儲全部的前后綴。
我用的方法是來回地復制

int main(){
	int len;
	int list[len];	//假設有一個長度為len的整型數組
	int p[len+1];	//開辟一個len+1個整型長度的空間
	//	把 list 復制到 p，然后
	list = new int[len+1];	//將list長度+1
    //把 p 復制過來
}

---

4 代碼實現

4.1 函數：數組加長

由于數組加長在程序中多次調用，且需要增長的數組各不相同，所以在這里我定義了一個函數模板，以盡可能少的代碼完成相同的任務。

template<class T>
T *append2list(T *list, T t, int len){
	T copy[len + 1];			// 用于備份的空間
	for(int i=0; i<len; i++){
		copy[i] = list[i];}
	copy[len] = t;				//在末尾增加元素
	len++;
	list = new T[len];			//變長
	for(int i=0; i<len; i++){	//拷貝回來
		list[i] = copy[i];}
	return list;
}

4.2 類wordpair定義

首先是類成員，應該有：

class Wordpair
{
	private:
		string *suffix;	//后綴列表，一個前綴可能對應多個后綴 
		int   *freq;	// 整型數組，依此記錄后綴的頻率
	public:
		string prefix;	// 前綴 
		int length;		// 記錄長度 , 一個前綴對應size個后綴 
		Wordpair(string prefix, string suffix){	//構造函數
			this->prefix = prefix;
			this->suffix = new string[1];
			this->suffix[0] = suffix;
			this->freq = new int[1];
			this->freq[0] = 1;
			this->length = 1;
		}
		Wordpair(){								//構造函數
			this->prefix = "",
			this->suffix = new string[1];
			this->suffix[0] = "";
			this->freq = new int[1];
			this->freq[0] = 0;
			this->length = 0;
		}
		/* 判斷這個后綴是否已經有記錄，有返回下標，沒有則返回-1 */
		int hasRecorded(string word){}
		
		/* 添加一個后綴 */
		bool push(string word){}
		
		/* 找出出現次數最多的后綴的下標，采用更可信的后綴 */
		 string maxFrequency(){}
		
		/* 轉化為字符串，方便輸出 */
		string to_String()const{}
		/* 重載賦值運算符，方便與其他類型的列表共用函數 */
		Wordpair& operator=(Wordpair &pair){}
};

除此之外，還可以重載輸出運算符<<，便于調試時在函數中輸出wordpair值：

ostream& operator<<(ostream& out, const Wordpair& w){
	out<<w.to_String();
	return out;
}

4.3 函數：讀取文件

程序運行時，需要讀取文件為字符串，當文件較多時把這個功能抽象出來，調用很方便。

// 讀文件 
string getfile(char *path){
  string alticle = "";			//初始化字符串
  ifstream fin(path, ios::in);	//打開文件
  if(!fin.is_open()){
    cout<<"文件讀取錯誤！"<<endl;
    return NULL;
  }
  string buffer;
  while(getline(fin,buffer)){		//讀取
    alticle.append(buffer);			//新的行添加到alticle尾部
  }
  fin.close();
  return alticle;
}

4.4 函數：寫入文件

主要是寫入生成的字符對，方便調試

// 寫文件，記錄詞組對 
void exportData(Wordpair *pairlist, int len, int prelen, int suflen){
	char path[32];
	sprintf(path,"./word-pairs(%dx%d).txt",prelen,suflen);
	ofstream fout(path, ios::out);
	for(int i=0; i<len; i++){
		fout<<pairlist[i];		//在這里就體現了重載<<運算符的好處
	}
	fout.close();
	cout<<"詞組對已經寫入文件< "<<path<<" >"<<endl; 
}

4.5 核心函數：字符串分割

讀取到文件后，將字符串從下標0開始，讀取前綴+后綴的長度，然后從1開始讀取前綴+后綴的長度。循環的次數應該是字符串總長度 - (前綴長度+后綴長度 -1)，以保證下標不會溢出。

Wordpair *alticle2Wordpair(Wordpair *pairlist, int &length,string alticle, int prefix_len, int suffix_len){
	for(int i=0; i<alticle.length()/2-prefix_len-suffix_len+1; i++){
		bool hasrecord = false;
		string prefix=alticle.substr(i*2,prefix_len*2);				// i為什么要×2？因為在devcpp中發現一個中文字符相當于兩個英文字符，不乘2會亂碼。 
		string suffix=alticle.substr((i+prefix_len)*2,suffix_len*2);
		for(int j=0;j<length;j++){
			if(pairlist[j].prefix == prefix){	// 如果已經有了這個前綴，則添加后綴 
				pairlist[j].push(suffix);
				hasrecord = true;
				break;
			}
		}
		if(!hasrecord){							//	沒有這個前綴則詞組對列表長度增加 
			Wordpair pair(prefix, suffix);
			pairlist = append2list(pairlist, pair, length);
			length++;
		}
	}
	return pairlist;
}

在此基礎上，對每次讀文件都進行一次，就能獲取全部文件的字符對。

4.6 核心函數：文章拼接

得到語料庫之后，需要根據語料庫拼接出文章。我這里采用的方法有點問題，當完全防止出現循環文本的時候，文章過短，當放開一點對循環文本的時候，循環文本總是出現，算法上想不通。希望有大佬提供一點思路。

// 判斷前綴是否在列表內，有則返回下標，沒有則返回-1
int hasrecord(Wordpair *pairlist, int len, string preword){
	for(int i=0; i<len; i++){
		if(preword == pairlist[i].prefix){
			return i;
		}
	}
	return -1;
}
// 拼接文章 
void createAlticle(Wordpair *pairlist, int len, string startword, int prefix_len, int suffix_len){
	string preword = startword;
	int i=0;
	int index = hasrecord(pairlist, len, preword);
	string alticle = preword;
	int alticle_len = prefix_len;			//長度（中文字符標準） 
	while(index != -1){
		string newword = pairlist[index].maxFrequency();
		// 避免循環 
		if(alticle.find(newword)==string::npos	//表示這個前綴沒有在文章中出現過 
//		 || alticle_len - alticle.rfind(newword) > 600	//表示相同的詞之間最少間隔多少。加上這個條件后有循環，注釋后文章顯著變短 
		 ){
			alticle.append(pairlist[index].maxFrequency());
			alticle_len += suffix_len;
			preword = alticle.substr((alticle_len-prefix_len)*2, alticle_len*2);}
		else{
			preword = pairlist[index+1].maxFrequency();
		}
		index = hasrecord(pairlist, len, preword);
	}
	cout<<alticle<<endl;
	ofstream fout(CREATE_ALTICLE, ios::out);
	fout<<alticle;
	fout.close();
	cout<<"文章寫入文件 < "<<CREATE_ALTICLE<<" >"<<endl;
}

5 總結

在沒有機器學習的支持下，這種拼接的文章十分粗糙，無法準確的給出最優的選擇。另一方面，代碼寫的過于拖沓，算法有待優化。