知识卡片

问题卡 · 6644.a.1.o · 生成模型:未记录

边界标记必须先成为独立词元

理解等级:中级

训练串有独立和,但测试写成how与doing再split,会生成粘连的新token,零计数可能是预处理不一致而非语言本身未知。训练中you有两个后继,所以其平滑分母13+2=15在给定口径下合理,不能因出现零项就把全部计数视为错误。应先核对分词、边界和词表,再判断平滑是否合理;加一不会自动修好错误切分。

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008;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:原文训练与测试字符串空格差异直接导致粘连;you在训练出现两次,与给出的条件分母15一致,问题定位在预处理边界。未在本机运行示例或改变环境。 - 原始内容:it() >>> sentence=u"<s>how are you doing</s>".split() >>> vocabulary=set(corpus) >>> len(vocabulary) 13 >>> cfd = nltk.Conditiona