知识卡片
窗口边界由输入序列决定
对split所得token列表生成5-gram,会保留跨句窗口,如句点后接If;默认不自动理解文档边界或补开始结束标记。若要句内语言模型,应先按句分开再生成相应窗口,并约定边界符。没有填充时长度L的序列生成max(L−n+1,0)个窗口;这由滑动窗口定义推得,不是本次运行统计。
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
the', 'book', 'thoroughly', '.', 'If
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003;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:原文五元输出明确包含跨句项,计数公式由同一滑动窗口定义推导,未实际生成测试。未在本机运行示例或改变环境。
- 原始内容:thoroughly', '.') ('the', 'book', 'thoroughly', '.', 'If') ('book', 'thoroughly', '.', 'If', 'you') ('thoroughly', '.', 'If', 'you', 'have')