知识卡片
搭配分数不等同出现次数
CollocationFinder可用likelihood_ratio等关联分数排序,也可查看ngram_fd中的原始计数;nbest末参数10选择前10项,不是把频率改成10。raw_freq是归一频率分数,sorted只取词组会丢分数并按字典序排,不能再称频率排名。比较搭配前应明确是否含标点、大小写归一与使用哪种分数。
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
- 第2章 统计语言建模 2.1 理解单词频率 · 查看原书依据
words.nbest(BigramAssocMeasures.likelihood_ratio, 10)
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nbest、raw_freq、sorted及ngram_fd四种路径并列,支持区分TopK、关联分数、频率与字典序。未在本机运行示例或改变环境。
- 原始内容:m_words(tokens) >>> words.nbest(BigramAssocMeasures.likelihood_ratio, 10) [("'", 's'), ('arthur', ':'), ('#', '1'), ("'", 't'), ('villager', '#'), ('#', '2'),