kenlm使用 C++

简介

近期需要使用语言模型对句子打分，因此需要用到第三方开源库kenlm，在此记录下使用过程。因为python下使用kenlm比较简单，这里就不做介绍了，本博客主要针对将kenlm编译到自己工程中的方法做一个大致记录。

源码编译

kenlm编译需要依赖几个库，如下：
zlib、bzip2、Boost、xz
具体详见：
https://kheafield.com/code/kenlm/dependencies/

依赖库安装

1. boost安装
   下载boost_1_62_0.tar.gz并解压
   ./bootstrap.sh
   ./b2 install
2. zlib安装
   下载xz-5.2.2.tar.gz并解压
   cd xz-5.2.2
   ./configure
   make
   make install
3. zlib安装
   下载 zlib-1.2.11.tar.gz并解压
   cd zlib-1.2.11
   ./configure
   make
   make install
4. bzip2安装
   下载bzip2-1.0.6.tar.gz并解压
   cd bzip2-1.0.6/
   make
   make install

修改CMakelist.txt

kenlm源码默认编译生成静态库文件，如下所示：

为了方便在自己项目中使用，需要修改自带的CMakelist.txt文件，编译成动态库文件
如下所示：

具体步骤如下：
在安装完依赖库后，修改kenlm源码中的CMakelist.txt文件，一共需要修改四个，路径分别为
kenlm/lm/CMakeLists.txt、kenlm/lm/filter/CMakeLists.txt、kenlm/lm/builder/CMakeLists.txt、kenlm/util/CMakeLists.txt
修改add_library()命令，示例如下：

add_library(kenlm_builder ${KENLM_BUILDER_SOURCE}) 改为add_library(kenlm_builder SHARED ${KENLM_BUILDER_SOURCE})

将生成静态库的都改为动态库

注意

编译时可能会报错误：

这是因为编译libbz2.a时没有采用 -fPIC
解决方法：修改 zlib-1.2.11/Makefile文件，将CFLAGS行改为如下：

CFLAGS=-Wall -Winline -O2 -g -fPIC $(BIGFILES)

并重新编译。

最后编译kenlm源码

mkdir build
cd build
cmake ..
make

在build/lib文件夹下生成对应的四个so文件。

自己工程中使用kenlm时cmakelist编写

NOTE

最后需要注意的是，CMakeList.txt中最后两行必不可少。如果不加，会在编译中遇到一个问题，即报错KENLM_MAX_ORDER没有定义。实际上该宏需要由Makefile来定义，使用的时候需要定义成跟编译kenlm时设置的一样，默认KENLM_MAX_ORDER为6。

C++接口测试

#include<iostream>
#include <set>
#include "lm/model.hh"
#include "lm/config.hh"
#include "util/tokenize_piece.hh"
#include "util/string_piece.hh"
#include "util/string_stream.hh"
 
 
using namespace std;
using namespace lm::ngram;
 
int main(int argc, char *argv[]) {
 
    char *path = "./model/chinese.bin";
    if (argc > 1) {
        path = argv[1];
    }
    Config config;
    config.load_method = util::READ;
 
    Model model(path,config);
    State state, out_state;
    lm::FullScoreReturn ret;
    float score;
    const Vocabulary &vocab = model.GetVocabulary();
 
    string line;
    while (getline(cin, line)) {
        state = model.BeginSentenceState();
        score = 0;
        for (util::TokenIter<util::SingleCharacter, true> it(line, ' '); it; ++it) {
            lm::WordIndex vocab = model.GetVocabulary().Index(*it);
            ret = model.FullScore(state, vocab, out_state);
            score += ret.prob;
            state = out_state;
        }
        ret = model.FullScore(state, model.GetVocabulary().EndSentence(), out_state);
        score += ret.prob;
 
       cout<<line.c_str()<<":"<<score<<"\n";
    }
 
 
    return 0;
}

参考资料

https://kheafield.com/code/kenlm/dependencies/
https://blog.csdn.net/luoyexuge/article/details/82109526
https://blog.csdn.net/suan2014/article/details/88535776