Dovresti scrivere un programma o una funzione che determina la lingua di una determinata parola.

Il compito è riconoscere alcune delle 5000 parole più comuni in 4 lingue:

• inglese
• Tedesco
• italiano
• ungherese

Gli elenchi di parole sono disponibili in questo repository GitHub.

È consentito commettere errori nel 40% dei casi di test forniti . Vale a dire che puoi classificare erroneamente 8000 dei 20000 ingressi.

Dettagli

• Gli elenchi contengono solo parole con lettere minuscole a-z, ad esempio won'te möchtenon sono inclusi.
• Alcune parole appaiono in più lingue, il che significa che il tuo codice non può sempre indovinare correttamente l'output previsto.
• Per comodità è possibile scaricare tutti i casi di test in un unico elenco . In ogni riga un numero indica la lingua della parola. ( 1per inglese, 2tedesco, 3italiano e 4ungherese.)
• Le scappatoie standard non sono ammesse.
• L'uso di elenchi di parole è vietato per i nostri dati simili forniti dal tuo linguaggio di programmazione.

Ingresso

• Una stringa contenente solo lettere inglesi minuscole (az).
• Il trascinamento di newline è facoltativo.

Produzione

• Puoi classificare le parole fornendo un output distinto e coerente (sempre lo stesso) per ogni lingua. (Ad esempio 1per l'inglese, 2per il tedesco, 3per l'italiano e 4per l'ungherese.)

Questo è il codice golf, quindi vince il programma o la funzione più breve.

Codice correlato domanda golf: è anche una parola?

^{Gli elenchi di parole sono stati presi da wiktionary.org e 101languages.net.}

Retina , 51 byte

.*[aeio]$
1
A`en$|ch|ei|au
^$
2
A`[jkz]|gy|m$
\D+
4

Ho trovato le regex e @ MartinBüttner ha fatto la conversione a / golf a Retina, quindi ... evviva per lo sforzo di squadra?

La mappatura è 1 -> Italian, 2 -> German, (empty) -> Hungarian, 4 -> English, con l'importo classificato in ciascuna categoria 4506 + 1852 + 2092 + 3560 = 12010.

Provalo online! | Versione multilinea modificata

Spiegazione

Prima di tutto, l'equivalente Python è qualcosa del genere:

import re
def f(s):
  if re.search("[aeio]$", s):
    return 1
  if re.search("en$|ch|ei|au", s):
    return 2
  if re.search("[jkz]|gy|m$", s):
    return ""
  return 4

Vorrei solo dire che o$è un eccellente indicatore dell'italiano.

La versione Retina è simile, con coppie di linee che formano fasi di sostituzione. Ad esempio, le prime due righe

.*[aeio]$
1

sostituisce le corrispondenze della prima riga con i contenuti della seconda.

Le tre righe successive fanno lo stesso, ma usando la modalità anti-grep di Retina - anti-grep (specificato con A`) rimuove la linea se corrisponde alla regex data, e le due righe seguenti sono una sostituzione da una riga vuota all'output desiderato.

A`en$|ch|ei|au
^$
2

La riga seguente usa di nuovo anti-grep, ma non sostituisce la riga vuota, fornendo l'output fisso per l'ungherese.

A`[jkz]|gy|m$

Finalmente le ultime due righe

\D+
4

sostituisce una riga non cifra non vuota con 4. Tutte le sostituzioni possono avvenire solo se non è stata attivata alcuna sostituzione precedente, simulando una if/else ifcatena.

LabVIEW, 29 LabVIEW Primitives e 148.950 byte

scorre ciclicamente le lingue e inserisce l'iteratore in un array se la parola è presente. Questo viene verificato dal circuito interno, selezionando la riga e facendo =. In LabVIEW è vero solo se le stringhe sono esattamente le stesse.

Ora prendi il primo elemento dell'array di output in modo che l'inglese si occupi del resto.

L'output per ora è 0per inglese, 1tedesco, 2italiano e 3ungherese.

Java, 3416 byte, 62%

questa è la mia soluzione, analizzo un elenco di parole date e trovo 60 bigrammi e trigrammi più comuni per ogni lingua. Ora sto controllando i miei n-grammi contro la parola e scegliendo la lingua con la maggior parte dei n-grammi in parola.

public class Classificator {

    String[][] triGr = {
            {"ing","ion","ent","tio","ted","nce","ter","res","ati","con","ess","ate","pro","ain","est","ons","men","ect","red","rea","com","ere","ers","nte","ine","her","ble","ist","tin","for","per","der","ear","str","ght","pre","ver","int","nde","the","igh","ive","sta","ure","end","enc","ned","ste","dis","ous","all","and","anc","ant","oun","ten","tra","are","sed","cti"},
            {"sch","che","ver","gen","ten","cht","ich","ein","ste","ter","hen","nde","nge","ach","ere","ung","den","sse","ers","and","eit","ier","ren","sen","ges","ang","ben","rei","est","nen","nte","men","aus","der","ent","hei","her","lle","ern","ert","uch","ine","ehe","auf","lie","tte","ige","ing","hte","mme","end","wei","len","hre","rau","ite","bes","ken","cha","ebe"},
            {"ent","are","ato","nte","ett","ere","ion","chi","con","one","men","nti","gli","pre","ess","att","tto","par","per","sta","tra","zio","and","iam","end","ter","res","est","nto","tta","acc","sci","cia","ver","ndo","amo","ant","str","tro","ssi","pro","era","eri","nta","der","ate","ort","com","man","tor","rat","ell","ale","gio","ont","col","tti","ano","ore","ist"},
            {"sze","ere","meg","ett","gye","ele","ond","egy","enn","ott","tte","ete","unk","ban","tem","agy","zer","esz","tet","ara","nek","hal","dol","mon","art","ala","ato","szt","len","men","ben","kap","ent","min","ndo","eze","sza","isz","fog","kez","ind","ten","tam","nak","fel","ene","all","asz","gon","mar","zem","szo","tek","zet","elm","het","eve","ssz","hat","ell"}

                    };
    static String[][] biGr = {
        {"in","ed","re","er","es","en","on","te","ng","st","nt","ti","ar","le","an","se","de","at","ea","co","ri","ce","or","io","al","is","it","ne","ra","ro","ou","ve","me","nd","el","li","he","ly","si","pr","ur","th","di","pe","la","ta","ss","ns","nc","ll","ec","tr","as","ai","ic","il","us","ch","un","ct"},
        {"en","er","ch","te","ge","ei","st","an","re","in","he","ie","be","sc","de","es","le","au","se","ne","el","ng","nd","un","ra","ar","nt","ve","ic","et","me","ri","li","ss","it","ht","ha","la","is","al","eh","ll","we","or","ke","fe","us","rt","ig","on","ma","ti","nn","ac","rs","at","eg","ta","ck","ol"},
        {"re","er","to","ar","en","te","ta","at","an","nt","ra","ri","co","on","ti","ia","or","io","in","st","tt","ca","es","ro","ci","di","li","no","ma","al","am","ne","me","le","sc","ve","sa","si","tr","nd","se","pa","ss","et","ic","na","pe","de","pr","ol","mo","do","so","it","la","ce","ie","is","mi","cc"},
        {"el","en","sz","te","et","er","an","me","ta","on","al","ar","ha","le","gy","eg","re","ze","em","ol","at","ek","es","tt","ke","ni","la","ra","ne","ve","nd","ak","ka","in","am","ad","ye","is","ok","ba","na","ma","ed","to","mi","do","om","be","se","ag","as","ez","ot","ko","or","cs","he","ll","nn","ny"}

                    };

    public int guess(String word) {

        if (word.length() < 3) {
            return 4; // most words below 2 characters on list are hungarians
        }
        int score[] = { 0, 0, 0, 0 };
        for (int i = 0; i < 4; i++) {
            for (String s : triGr[i]) {
                if (word.contains(s)) {
                    score[i] = score[i] + 2;
                }
            }
            for (String s : biGr[i]) {
                if (word.contains(s)) {
                    score[i] = score[i] + 1;
                }
            }
        }
        int v = -1;
        int max = 0;
        for (int i = 0; i < 4; i++) {
            if (score[i] > max) {
                max = score[i];
                v = i;
            }
        }
        v++;
        return v==0?Math.round(4)+1:v;
    }
}

e questa è la mia prova

public class Test {

    Map<String, List<Integer>> words = new HashMap<String, List<Integer>>();

    boolean validate(String word, Integer lang) {
        List<Integer> langs = words.get(word);
        return langs.contains(lang);
    }

    public static void main(String[] args) throws FileNotFoundException {

        FileReader reader = new FileReader("list.txt");
        BufferedReader buf = new BufferedReader(reader);
        Classificator cl = new Classificator();
        Test test = new Test();
        buf.lines().forEach(x -> test.process(x));
        int guess = 0, words = 0;
        for (String word : test.words.keySet()) {
            int lang = cl.guess(word);
            if (lang==0){
                continue;
            }
            boolean result = test.validate(word, lang);
            words++;
            if (result) {
                guess++;
            }
        }
        System.out.println(guess+ " "+words+ "    "+(guess*100f/words));
    }

    private void process(String x) {
        String arr[] = x.split("\\s+");
        String word = arr[0].trim();
        List<Integer> langs = words.get(word);
        if (langs == null) {
            langs = new ArrayList<Integer>();
            words.put(word, langs);
        }
        langs.add(Integer.parseInt(arr[1].trim()));

    }

}