Parsing 如何对元素进行随机嵌入括号

我正在写一个自动成分括号的学习算法。由于算法从零开始，括号（嵌入）首先应该是随机的。然后通过迭代对其进行改进。我被困在如何做随机括号。您能推荐一个R或Python代码，或者给出一些编程思想（伪代码）吗？我还需要关于如何检查随机括号与正确括号的正确性的想法

这就是我试图通过学习过程，从随机括号开始，最终达到的目的

这是一个句子。 “他”追赶“那条狗”

将每个元素替换为语法元素， N、 V，D，N

括号（第一阶段）（D，N为成分）： （N） （V）（D）（N）

括号（第二阶段）： （N） （（V）（D）（N））

括号（第三阶段）： （（N）（V）（dn）））

---

请帮忙。谢谢。

根据提供的信息，我只能说：

括号的一种简单方法是（生成all可能很快就会占用大量空间），拥有尽可能多的单词（或组件），然后选择一个合适的（随机或根据适当的分区）并将其作为括号模式应用。为了提高效率，请寻找一种真正的随机树生成算法（我目前找不到）

此外，我建议您阅读/进化编程，尤其是“检查随机结果的正确性”部分。据我所知，您希望程序检测解析方法，然后将它们作为“已学习”保存在内存中。这与记忆“最适合”模式的遗传算法非常匹配（只有变异作为变化因素）

这是一种非常棒、非常精细（如果可行的话），但使用起来可能非常困难的方法。但这可能和你想要的太不一样了

---

最后，检查括号imo正确性的最简单方法是保留一个包含语法/语法规则的表，并与它们进行比较。您还可以通过将它们保存在树中并测量从实际模式（

（vd）N

）到正确模式（

V（dn）

）的距离，将其改进为更好的适应度函数。（这只是一些随机的想法，我从来没有这样做过。）

这会像遗传算法一样吗？通常解析器不会从随机假设开始。另外，你的第一个括号阶段看起来确实更符合逻辑，而不是随机。如果你能应用现成的成分解析器，你到底为什么要这么做？我想我有点不清楚，所以让我澄清一下。1） 这不是解析器，而是用于解析的学习者。2） 不使用先验假设（本例）的学习者从随机假设开始。3） 我不是试图解析给定的文本，而是分析机器如何通过经验学习解析。然后，与人类的语言学习进行类比。我关心的是不同阶段的学习过程，而不是结果@phg此处括号中的阶段不是学习过程，而是学习完成后的实际解析。因此是合乎逻辑的。