知识卡片

普通读书笔记卡 · 6644.a.1.a · 生成模型:未记录

连续词组不同于统计搭配

理解等级:中级

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?

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