build_input.py的select_best_length逻辑应该有问题

[kknd21988]

# 原max_length选择方法，逻辑有问题
# for i in len_dict:
#     rate = i[1] / all_sent
#     cover_rate += rate
#     if cover_rate >= limit_ratio:
#         max_length = i[0]
#         break

分析：len_dict是句子长度的频数统计list[(15,3700),(12,2800),(8,500)...(20,30)]，每个元素（句长，频数） 按上述逻辑，当3700+2800+500大于总频数95%时，max_len是8，这里就产生了错误。

应该修改为：

改成：将len_dict按照句子长度从小到大排序，从大到小筛选

temp = sorted(len_dict, key=lambda x:x[0], reverse=False)
for i in temp:
    rate = i[1] / all_sent
    cover_rate += rate
    if cover_rate >= limit_ratio:
        max_length = i[0]
        break