知识卡片
连续词组不同于统计搭配
n-gram把连续n个token组成滑动窗口;unigram是单项元组,bigram、trigram分别长2、3。窗口出现不代表它具有特别强的语言搭配关系,后者还需要频率或关联分数判断。把整个语料平铺后生成窗口会跨句,语言模型通常要显式处理句界;书中示例保留标点,所以标点也会进入窗口。
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2章 统计语言建模,spine056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/text00055.html。
- 结论依据:原文从ngrams生成序列又用CollocationFinder评分,两种操作的输入输出显示枚举与统计关联不同。未在本机运行示例或改变环境。
- 原始内容:dgrams 或 fourgrams (四元语法)的例子: >>> import nltk >>> from nltk.util import ngrams >>> from nltk.corpus import al