知识卡片
边界填充改变相似度特征
在词序列首尾填充边界标记,可让相同开头或结尾也形成可比较的二元组。书中两个三词职位用None填充后,共有(None,Chief)和(Officer,None)两项,因此交集大小为2;这不是两个完整内部词对相同。是否填充会改变特征集合和分数,需和阈值一起说明。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
pad_right和pad_left的使用是为了允许开头和结尾字符也进行匹配。该操作允许二元文法(None,'Chief')的出现,这对于职位名称的对比是很重要的。NLTK通过定义在nltk.metrics.association模块中的BigramAssociationMeasures和TrigramAssociationMeasure类来提供使用广泛的二
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-ch03-024)。
- 结论依据:原文在“pad_right和pad_left”附近的定义、例子或代码支撑本卡核心说明:在词序列首尾填充边界标记,可让相同开头或结尾也形成可比较的二元组。边界按已读前提解释;示例未执行。
- 原始内容:pad_right和pad_left的使用是为了允许开头和结尾字符也进行匹配。该操作允许二元文法(None,'Chief')的出现,这对于职位名称的对比是很重要的。NLTK通过定义在nltk.metrics.association模块中的BigramAssociationMeasures和TrigramAssociationMeasure类来提供使用广泛的二