知识卡片

普通读书笔记卡 · 6256.e

二元组保留相邻位置关系

理解等级:中级

n-gram取序列中连续的n项;词二元组是相邻两个词,不是把任意两词做全排列。把Chief Executive Officer与Chief Technology Officer拆词后,内部相邻词对不同;用二元组集合交集打分保留了部分局部顺序,但转集合后会丢失同一二元组的重复次数。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      所有可能二元文法,并通过计算字符串间相同的二元文法数来对字符串的相似度打分,如示例3-11所示。 注意:n元文法和搭配的扩展讨论在4.4.4节。 示例3-11:用NLTK来计算二元文法 ceo_bigrams = nltk.bigrams("Chief Executive Officer".split(), pad_right=True, pad_left=

    参考来源

    - 位置:《社交网站的数据挖掘与分析(原书第2版)》第3章《3.3.3 测量相似度》(spine79;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0068.html;u050-ch03-023)。 - 结论依据:原文在“所有可能二元文法”附近的定义、例子或代码支撑本卡核心说明:n-gram取序列中连续的n项;词二元组是相邻两个词,不是把任意两词做全排列。边界按已读前提解释;示例未执行。 - 原始内容:所有可能二元文法,并通过计算字符串间相同的二元文法数来对字符串的相似度打分,如示例3-11所示。 注意:n元文法和搭配的扩展讨论在4.4.4节。 示例3-11:用NLTK来计算二元文法 ceo_bigrams = nltk.bigrams("Chief Executive Officer".split(), pad_right=True, pad_left=