知识卡片
语料统计必须先填入计数
新建FreqDist后立刻items得到空集合,因为还没有把任何标签加入,不能据此声称已经计算Treebank标签频率。应从明确语料视图提取标签再累计,并保留标记集和版本口径。原文长频次表可以作为出版样本,但跟在后面的空构造代码没有产生该表;Sinica示例也需保留自己的标签约定,不与Penn代码直接合并计数。
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5章 语法解析:分析训练资料 5.2 Treebank建设 · 查看原书依据
dict_items([])
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5章 语法解析:分析训练资料,spine059单元004;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/text00058.html。
- 结论依据:原文空FreqDist和其输出与“已获取频率”的叙述矛盾,后续Sinica不同标签说明统计来源必须明确。未在本机运行示例或改变环境。
- 原始内容:st() >>> fd.items() dict_items([]) 上面的代码获取了Treebank语料库中的标记列表以及每个标记的频率。 让我们来看看NLTK中有关访问Sinica Treebank语料库的代码: >>> import