我正在处理从一篇长文章中提取的图形。有向加权图实际上只不过是一个字典，它包含作为顶点的头词，这些词通过边连接到文章中该词之后的每个词（尾词）。因此，如果“黄色”一词在文章中出现了3次，并且其后紧跟着“砖头”，“砖头”和“潜艇”两个词，则“黄色”条目将像图中一样表示：] >
{"yellow": ["brick", "brick", "submarine"]}[此图是使用我写的名为
ExtractedGraph的python类生成的，除了__init__方法可以完成图的生成之外，该类还具有getProb(self, head_word, tail_word)方法，该方法将标题词和尾词并输出首词将跟随尾词的概率，尾概率是连接首词节点和尾词节点的边的权重。因此，如果我们输入“ yellow”和“ brick”，则输出将为2/3。
我的问题是，如何对该图进行波束搜索以找到得分最高的句子。具体来说，如果波束搜索功能的输入是prefix_words字符串，beam_width int和sen_length int（句子的最大单词长度），该怎么办。该算法看起来如何？在在线阅读了Beam Search算法并观看了许多教程之后，我不确定Beam Search功能在这种特定情况下如何真正发挥作用。
我正在处理从一篇长文章中提取的图形。有向加权图实际上只是一个字典，它包含作为顶点的头词，这些词通过...
假设graph_nodes是字典，每个句子都必须以<s>符号开头，概率为1.0，所有句子都必须以特殊符号</s>结尾。为避免对假设进行排序，我将它们放在堆中，因此添加元素是恒定的。