知识卡片
切分粒度决定后续计数对象
文本切分把连续文本变为句子或token等较小单位。token常译词元,不保证每项都是语言学上的单词,也可能是标点或缩略词片段。先决定下游任务需要的粒度,再计算频率、长度和相似度;对不同切分结果直接比较词数会混合口径。NLP并不因执行切分就已经理解句义。
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
参考来源
- 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python自然语言处理 · 第1章 字符串操作,spine055单元002;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00054.html。
- 结论依据:原文给出文本拆分成模块的定义,后续句子、词与标点实例显示这些模块的粒度不同。未在本机运行示例或改变环境。
- 原始内容:1.1 切分 切分可以认为是将文本分割成更小的并被称作标识符的模块的过程,它被认为是NLP的一个重要步骤。 当安装好NLTK包并且Python的交互式开发环境(IDLE)也运行起来时,我们就可以将文本或者段落切分成独