Я реализовал функцию, которая возвращает n-граммы заданной коллекции ввода как ленивую последовательность.
(defn gen-ngrams
[n coll]
(if (>= (count coll) n)
(lazy-seq (cons (take n coll) (gen-ngrams n (rest coll))))))
Когда я вызываю эту функцию с большими коллекциями входных данных, я ожидаю увидеть линейное увеличение времени выполнения. Однако время, которое я наблюдаю, еще хуже:
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
- это Cons
строковых токенов.
Что вызывает такое поведение и как я могу улучшить производительность?