Question

我实现了一个函数，它将给定输入集合的n元语法作为惰性序列返回。

(defn gen-ngrams
  [n coll]
  (if (>= (count coll) n)
    (lazy-seq (cons (take n coll) (gen-ngrams n (rest coll))))))

当我用更大的输入集合调用此函数时，我预计会看到执行时间的线性增加。但是，我观察到的时间比这更糟糕：

user> (time (count (gen-ngrams 3 (take 1000 corpus))))
"Elapsed time: 59.426 msecs"
998
user> (time (count (gen-ngrams 3 (take 10000 corpus))))
"Elapsed time: 5863.971 msecs"
9998
user> (time (count (gen-ngrams 3 (take 20000 corpus))))
"Elapsed time: 23584.226 msecs"
19998
user> (time (count (gen-ngrams 3 (take 30000 corpus))))
"Elapsed time: 54905.999 msecs"
29998
user> (time (count (gen-ngrams 3 (take 40000 corpus))))
"Elapsed time: 100978.962 msecs"
39998

corpus是Cons字符串标记。

导致此行为的原因是什么？如何改善效果？

Answer 1

我认为你的问题是“（count coll）”，它在每次调用ngrams时迭代了coll。

解决方案是使用build in partition函数：

user=> (time (count (gen-ngrams 3 (take 20000 corpus))))
"Elapsed time: 6212.894932 msecs"
19998
user=> (time (count (partition 3 1 (take 20000 corpus))))
"Elapsed time: 12.57996 msecs"
19998

如果对实现http://clojuredocs.org/clojure_core/clojure.core/partition

感到好奇，请查看分区源代码

Answer 2

我远离Clojure专家，但我认为cons函数会导致这个问题。请尝试使用列表：

(defn gen-ngrams
  [n coll]
  (if (>= (count coll) n)
    (lazy-seq (list (take n coll) (gen-ngrams n (rest coll))))))

我认为cons构造了一个比列表更通用的新seq，因此速度较慢。

编辑：如果“语料库是字符串标记的缺点”，那么尝试将其设为列表......

非线性减速在Clojure中创建了一个懒惰的seq

2 个答案: