知识卡片

普通读书笔记卡 · 6644.a.1.ef · 生成模型:未记录

混合词组要先定义特征空间

理解等级:中级

代码把单词、二元与三元词组都加入ftokens,分母也按混合特征项数算,因此它是该特征空间的相对频率,不能无条件解释成每单词占文档词数。词组在过滤前生成,后续仅判断整个词组是否在单词停用表中,不会自动删除词组内部停用词。索引和查询要复用同一规则,否则同维特征意义会变。

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8章 信息检索:访问信息,spine062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/text00061.html。 - 结论依据:原文ngram在tokens重赋值前生成并统一extend,tf使用len(ftokens),代码顺序和统计单位直接支持结论。未在本机运行示例或改变环境。 - 原始内容:kens.extend(tokens) ftokens.extend(bitokens) ftokens.extend(tritokens) docs[tip.text] = {'freq': {}} for token in ftokens: docs[t