首页
学习
活动
专区
工具
TVP
发布
社区首页 >问答首页 >带有频率的Ngram的Python列表

带有频率的Ngram的Python列表
EN

Stack Overflow用户
提问于 2012-08-02 00:29:20
回答 3查看 18.7K关注 0票数 16

我需要从文本中获取最流行的ngram。Ngram长度必须介于1到5个单词之间。

我知道如何得到二元模型和三元模型。例如:

代码语言:javascript
复制
bigram_measures = nltk.collocations.BigramAssocMeasures()
finder = nltk.collocations.BigramCollocationFinder.from_words(words)
finder.apply_freq_filter(3)
finder.apply_word_filter(filter_stops)
matches1 = finder.nbest(bigram_measures.pmi, 20)

然而,我发现scikit-learn可以得到不同长度的ngram。例如,我可以得到长度从1到5的ngram。

代码语言:javascript
复制
v = CountVectorizer(analyzer=WordNGramAnalyzer(min_n=1, max_n=5))

但WordNGramAnalyzer现在已被弃用。我的问题是:我如何从我的文本中获得N个最佳的单词搭配,搭配长度从1到5。我还需要获得这个搭配/ngram的FreqList。

我能用nltk/scikit做到这一点吗?我需要从一个文本中获得不同长度的ngram组合?

例如,使用NLTK二元和三元语法,其中许多情况下我的三元语法包括我的位图,或者我的三元语法是更大的四元语法的一部分。例如:

你好我的三元组:你好我的名字

我知道如何从三元语法中排除二元语法,但我需要更好的解决方案。

EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/11763613

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档