知识卡片

普通读书笔记卡 · 6644.a.1.c · 生成模型:未记录

搭配过滤不应重新拼接词序

理解等级:中级

apply_word_filter过滤含指定词的候选词组,区别于先删掉所有停用词再把原本不相邻的词拼接成新bigram。示例len还会删掉短实体或有用词,需按任务决定;它不是识别所有标点的通用规则。原代码把set命名为变量遮住内置类型,另处nltk.collocation少写s,均不能照当完整可运行示例。

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:原文在已构建Finder后apply_word_filter,再排名,说明过滤阶段;长度谓词作用于词而非只标点。2026-11-06核对官方资料:https://www.nltk.org/api/nltk.collocations.html。未在本机运行示例或改变环境。 - 原始内容:m_words(tokens) >>> words.apply_word_filter(stops_filter) >>> words.nbest(BigramAssocMeasures.likelihood_ratio, 10) [('black', 'knight'), ('cl