返回字典中单词的频率
是一个常见的编程问题，可以通过遍历字典中的每个单词，并使用另一个字典来记录每个单词出现的次数来解决。
以下是一个示例代码，用于返回字典中单词的频率：
def get_word_frequency(dictionary):
word_frequency = {}
# 遍历字典中的每个单词
for word in dictionary:
# 如果单词已经在频率字典中，则将其计数加1
if word in word_frequency:
word_frequency[word] += 1
# 如果单词不在频率字典中，则将其添加，并将计数设置为1
else:
word_frequency[word] = 1
return word_frequency这个函数接受一个字典作为输入，并返回一个字典，其中键是输入字典中的单词，值是对应单词的频率。
应用场景：
- 文本分析：可以用于统计文章或文档中每个单词的出现频率，从而进行文本分析和处理。
- 数据挖掘：可以用于分析大量数据中的关键词或热门词汇，从而了解数据的特征和趋势。
- 自然语言处理：可以用于构建文本分类器、情感分析器等自然语言处理任务中的特征提取步骤。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云自然语言处理（NLP）：https://cloud.tencent.com/product/nlp
- 腾讯云人工智能（AI）：https://cloud.tencent.com/product/ai
- 腾讯云大数据与AI：https://cloud.tencent.com/solution/big-data-ai
- 腾讯云云服务器（CVM）：https://cloud.tencent.com/product/cvm
- 腾讯云云数据库（CDB）：https://cloud.tencent.com/product/cdb
- 腾讯云对象存储（COS）：https://cloud.tencent.com/product/cos
- 腾讯云区块链（BCS）：https://cloud.tencent.com/product/bcs
- 腾讯云物联网（IoT）：https://cloud.tencent.com/product/iot
- 腾讯云移动开发（MPS）：https://cloud.tencent.com/product/mps
- 腾讯云音视频（VOD）：https://cloud.tencent.com/product/vod
- 腾讯云网络安全（NSA）：https://cloud.tencent.com/product/nsa
- 腾讯云云原生应用引擎（TKE）：https://cloud.tencent.com/product/tke
请注意，以上链接仅供参考，具体产品选择应根据实际需求和情况进行评估。
相关·内容
2回答
因此，我正在开发一个简单的移动应用程序项目(主要是为了好玩)，它使用Android上的OCR库(tesseract)扫描相机图片，对文本进行一些处理，并将其返回给用户。
我想知道的是，是否有人知道以编程(或统计)的方式来判断字符串是实际的单词，还是只是胡说八道。(我现在只针对英语，FYI)
例如，OCR可能会读取图片并返回。
String returned = "The quick brown fox."
或者，它可能会读另一张图片，然后返回。
String returned = "$. _- %/ hj @;+__~"
显然，返回的第一个字符串会产生单词，而第
浏览 5提问于2015-02-03得票数 2
回答已采纳
3回答
我正在用Java做一个简单的程序。给定一组字母，它将列出与字母组合匹配的所有单词(超过2个字母)。
例如：
是给出的词是沃德。
结果应该是：ward。raw，daw，war，rad
我在一个sqlite数据库中有一大串英文单词的原始形式，并按字母排序，这使得选择更快。
数据库模式如下所示：
字典：{id，word，length}
字谜：{id，anagram，length}
anagram_dictionary：{id，word_id，anagram_id}
同样的例子是：
插入raw一词时
它搜索arw，结果返回raw，war。
我的问题在于，每次我进行搜索时，它都会计算我给出的字母的。
浏览 2提问于2011-01-14得票数 2
回答已采纳
4回答
如何有效地搜索有序列表？
、、、
我有一个函数可以预测输入的单词，并以数组的形式返回可能性。不幸的是，这些不是按使用频率排序的。所以我有一个10K有序单词的列表，按频率从高到低排列。比较数组和有序列表中的单词以返回最频繁的单词的有效方法是什么？(即它首先遇到的那个？)
我的一个朋友告诉我使用二叉树，但我真的看不出这对我有什么帮助。根据我对的理解，只能使用数值。我这样想是错的吗？有没有更好的方法来完成上面提到的任务？
提前感谢
浏览 0提问于2015-08-17得票数 1
2回答
将文本转换为向量
、、、、
我有一本字典，里面有单词和每个单词的频率。
{'cxampphtdocsemployeesphp': 1,
'emptiness': 1,
'encodingundefinedconversionerror': 1,
'msbuildexe': 2,
'e5': 1,
'lnk4049': 1,
'specifierqualifierlist': 2, .... }
现在我想用这个字典创建一个单词包模型(我不想使用标准库和函数。我想使用算法来应用这一点。)
在字典中找出最受
浏览 0提问于2018-07-25得票数 2
回答已采纳
4回答
计算大文本文件的字频
、、、、
我有一个巨大的文本文件(大于可用的RAM内存)。我需要计数所有单词的频率，并将单词和频率计数输出到一个新文件中。结果应按频率计数的降序排序。
我的方法：
对给定的文件进行排序-外部排序
依次计数每个单词的频率，将计数存储在另一个文件中(与单词一起)
根据频率计数-外部排序对输出文件进行排序。
我想知道是否有更好的方法来做到这一点。我听说过基于磁盘的哈希表吗？或者B+树，但从来没有试过。
注意:我也见过类似的问题，但他们中没有人需要用内存以外的数据来解决这个问题。
编辑:根据评论，同意词典在实践中应该适合今天的计算机记忆。但让我们拿一本假想的辞典，这是足够大，不适合在记忆中。
浏览 9提问于2013-02-07得票数 5
回答已采纳
1回答
我对词干提取和词汇化的了解如下：
词干-将单词转换成不变的部分；有趣，有趣- amus
词汇化-将单词转换为字典形式；有趣，娱乐-娱乐
我可以理解为什么要使用词汇化。但是我不知道做词干背后的目的是什么？你能解释一下吗？
浏览 5提问于2020-01-23得票数 2
2回答
我正在用Java实现一个朴素的贝叶斯文本分类算法。
到目前为止，我所做的是，声明一个名为declare的哈希集，它存储来自给定文本文件(测试文件)的所有唯一单词。
该算法中的一个步骤是将测试文件的所有成员连接到单个文本文件中。这是一个相当大的文件，其中包含每个文件中的单词。
现在，我必须用连接的文本文件计算词汇表中每个单词的出现次数。我的第一个猜测是保留一种数组结构，其中包含每个单词的频率。但话又说回来，我会有太多的条目。
有人能给我更好的建议吗？
浏览 3提问于2012-06-03得票数 0
有没有可能用Pandas对一列单词组合进行求和？假设有一列包含给定文本的列，其中每个单元格都是一个句子。如何检查由句子1中的2个单词组成的单词对是否也出现在其他行中，如果是，则这种出现的计数应递增1。
它应该看起来像这样：
| | text |count|
|---:|:-----------------------------------------|-----|
| 0 | My Name is Anton and I like driving cars | 6 |
| 1 | My Name is He
浏览 0提问于2020-03-02得票数 1
1回答
我有两个频率列表与数千个元素，而我也有2个较小的列表与少数元素。我的想法是，我需要检查我的小列表中每个元素出现在频率列表中的次数，并对它们进行比较，最后在一个使用熊猫包的表格中显示我的发现。
频次表：
pos_freqdist = FreqDist(get_all_words(pos_train))
neg_freqdist = FreqDist(get_all_words(neg_train))
这就是pos_freqdist目前打印的内容(它不只是打印所有肯定的单词，而是计算包含在正面评论中的单词的频率)：
FreqDist({'the': 6737, '.'
浏览 0提问于2018-11-26得票数 0
问题基本上是“如何为游戏'Boggle‘生成一个包含大量单词的好网格”，其中good被定义为有5个或更多字母的单词。
摇动是一种游戏，你掷骰子上有字母，他们被放置在一个4x4网格。示例：
H S A V
E N I S
K R G I
S O L A
单词可以通过水平、垂直或对角线连接字母。在上面的good示例网格中，您可以根据使用的字典，例如"AS“、"I”、"AIR“、"SIN”、"IS“等，使单词"VANISHERS”、"VANISHER“、"KNAVISH”、"ALIGNERS“、”“、"SINKE
浏览 3提问于2013-08-11得票数 6
我正在编写一个程序，其中有一个名为vocabulary的计数器(collections.counter)，它是一个名为wordFrequency的计数器中出现频率最高的10,000个计数器，它是通过对从文本文件中读取的单词实例进行计数得到的。我一直在尝试使用if语句来检查是否在该计数器中找到了某个元素。我所拥有的是：
vocabulary = wordFrequency.most_common(10000)
[...]
for line in trainReader2:
if len(line) == 10 and line[5] != "_":
i
浏览 6提问于2020-03-01得票数 1
我把它命名为"AI方式“，因为我想让应用程序在没有人与人交互的情况下玩挂人游戏。
情况如下：
一个可用的单词列表，其中将包含数十万个英文单词。
应用程序将从列表中选择一定数量的单词，例如20个单词。
应用程序对每个单词进行Hangman游戏，直到获胜或失败为止。这里的限制是最大错误的猜测。26显然是没有意义的，让我们假设6是最大错误的猜测。
我尝试了在上提到的策略，但效果并不好。基本成功率约为30%。
对于战略和我应该挖掘的领域有什么建议/评论，以找到一个公平的好策略？
非常感谢。
-Simon
PS:一个看起来相当不错的JavaScript实现。()
浏览 6提问于2012-02-09得票数 8
回答已采纳
我有一个由标记化文本组成的列表列表。列表长度约为1.200.000个文本。此列表的示例如下所示： texts = [
['hi', 'how', 'are', 'you'],
['i', 'am', 'fine', 'thank', 'you'],
... 我正在尝试为每个列表删除出现在另一个列表中的单词。这是一个由大约90.000个单词组成的列表，它似乎是下一个： removing_words = [
浏览 5提问于2020-12-14得票数 0
我正试图真正理解机器学习中的标记化和矢量化文本，并且非常认真地研究Keras类。我了解它的使用原理，但我想知道更多关于它的信息。例如，有一个常见的用法：
tokens = Tokenizer(num_words=SOME_NUMBER)
tokens.fit_on_texts(texts)
令牌返回一个word_index，它将单词映射到某个数字。这些单词都是在文本中出现的，还是在SOME_NUMBER中最多？word_index的dict值是每个单词的频率，还是仅仅是单词的顺序？
浏览 0提问于2019-06-12得票数 3
回答已采纳
gensim.corpora.Dictionary是否节省了术语频率？
从中，可以获得单词的文档频率(即某个特定单词在多少文档中出现)：
from nltk.corpus import brown
from gensim.corpora import Dictionary
documents = brown.sents()
brown_dict = Dictionary(documents)
# The 100th word in the dictionary: 'these'
print('The word "' + brown_dict[100
浏览 0提问于2017-10-11得票数 7
回答已采纳
我正在试图解决问题：
你有话要说。有些话可能会重复。对于每个单词，输出其出现的次数。输出顺序应与单词外观的输入顺序相对应。请参阅示例输入/输出以获得澄清。
注意:每个输入行都以"\n“字符结尾。
输入格式
第一行包含整数n。
下面的n行每一行都包含一个单词。
输出格式
输出2行。在第一行中，输出输入中不同的单词数。在第二行，根据每个不同单词在输入中的外观，输出它们出现的次数。
我实现了这样的解决方案，
# Enter your code here. Read input from STDIN. Print output to STDOUT
n = int(input())
浏览 4提问于2020-03-08得票数 1
回答已采纳
1回答
基于值的排序
、、
我需要根据下面所实现的频率计数对单词进行排序。
对停止词进行清洗后分割单词：
words=Counter([item for sublist in m.split('\W+') for item in word_tokenize(sublist)])
频率计数：
wordsFreq=['%s: %d' %(x, words[x]) for x in words]
产出：
["limited: 1", "desirable: 1", "advices: 1","new: 8", "net: 5
浏览 1提问于2017-09-03得票数 0
回答已采纳
我该如何写一个函数来转换一个RDD，它是一个单词列表，比如'Alpha'，'Beta'，'Gamma'，'Beta'，'Alpha‘，成对的RDD包含唯一的单词和它们出现的次数，在本例中是('Alpha'，1)，('Beta',2)，('Gamma',2)？
浏览 0提问于2015-06-15得票数 0
我正在做一个大型的机器学习/nlp项目，我被困在其中的一小部分。(下午好，如果你想知道我到底在做什么。)
我试着用Javascript编写一个程序，学习生成有效的单词，只能使用字母表中的所有字母。
我有一个500 K不同单词的数据库。它是一个很大的JS对象，结构像这样(单词是德语)：
database = {
"um": {id: 1, word: "um", freq: 10938},
"oder": {id: 2, word: "oder", freq: 10257},
"Er": {i
浏览 3提问于2017-04-14得票数 1
回答已采纳
1回答
让我们来考虑文本分类的问题。因此，如果文档被表示为单词袋，那么我们将有一个n维特征，其中n个单词在文档中。现在，如果我决定我也想使用文档长度作为特性，那么这个特性的维度(长度)将是一个维度。那么，我如何结合使用这两个特征(长度和包字)。现在应该将特征考虑为二维(n维矢量(弓形)和一维特征(长度)).如果这不起作用，我如何组合这些功能。在这方面有什么建议也会有帮助吗？
浏览 3提问于2012-09-08得票数 1
嘿，伙计们，我正在编写这个脚本，在这个脚本中，我需要更新字典words，其中最常用的单词限制在limit的值上。
from typing import List, Dict, TextIO, Tuple
def most_frequent(words: Dict[str, int], limit: int) -> None:
new_dict = {}
new_list = []
#I decided to create a list for easier sort
for w in words:
new_list.append((keys, words.get(w)))
浏览 1提问于2018-12-01得票数 1
回答已采纳
5回答
统计每个单词的出现频率
、、、、
有一个目录，里面有几个文本文件。如何统计每个文件中每个单词的出现频率？单词是指一组字符，可以包含字母、数字和下划线字符。
浏览 1提问于2012-03-30得票数 3
回答已采纳
1回答
tokenizer = Tokenizer(num_words=my_max)
我正在使用keras预处理标记器来处理机器学习模型的文本语料库。托卡器的参数之一是定义字典中单词数的num_words参数。如何选择这个参数？我可以选择一个巨大的数字，并保证每个单词都会被包括在内，但是某些只出现一次的单词如果作为一个简单的“词汇表外”标记组合在一起，可能会更有用。设置这个参数的策略是什么？
我的特殊用例是一个处理tweet的模型，所以每个条目都小于140个字符，并且在使用的单词类型上有一些重叠。这种模式是针对kaggle竞争的，目的是提取能体现一种情绪的文本(即“我的老板在欺负我”，还“欺负我”)
浏览 3提问于2020-05-12得票数 2
回答已采纳
2回答
Tesseract OCR引擎有时输出没有意义的文本，我想设计一个忽略任何文本或单词的算法，下面是我想忽略的输出文本，我的简单解决方案是计算被“”分隔的识别文本中的单词，有太多单词的文本将是垃圾(提示:我正在扫描最多包含40个单词的图像)任何想法都将是有帮助的，谢谢。
wo:>"|axnoA1wvw\
ldflfig
°J!9O‘ !P99W M9N 6 13!-|15!Cl ‘I-/Vl
978 89l9 Z0 3+ 3 'l9.l.
97 999 VLL lLOZ+ 3 9l!q°lN
wo0'|axno/(@|au1e>1e: new;
1=
浏览 0提问于2012-04-17得票数 2
回答已采纳
我想知道在带有GIN/GiST索引的PostgreSQL 9.3中的全文搜索是否使用tf-idf (词频-逆文档频率)。
特别是，在我的词组专栏中，我有一些更受欢迎的词，而有些词则非常独特(即名称)。我想对这些列建立索引，以便匹配的唯一单词的权重将高于普通单词。
浏览 10提问于2013-08-18得票数 7
我有大量的非结构化文本文档，对于每个文档，我想要一个向量空间表示，这样我就可以很容易地将文档分类并进行语义性质分析。将文档转换到向量空间的方法有很多种，如词袋(BOW)模型、潜在语义分析(LSA)模型、n- gram模型等。但我认为所有这些方法都需要一个关键字字典。(不确定)但是如果没有查询，如何为大量文档生成字典？(100万)如何确定文档中的重要单词？
浏览 2提问于2015-04-28得票数 0
3回答
我有一个非常大的字符串列表如下：
list_strings = ['storm', 'squall', 'overcloud',...,'cloud_up', 'cloud_over', 'plague', 'blight', 'fog_up', 'haze']
一大串清单如下：
lis_of_lis = [['the storm was good blight'],['this is overcloud'],...,[
浏览 1提问于2015-03-26得票数 0
1回答
我希望能够将多个过滤器的组合应用到使用的大写图中。问题如下：
我需要保留一次以上或者出现在单词列表上的大写。请注意，我希望保留中单词列表中的大写--如果我想删除它们，我可以简单地应用一个又一个过滤器。
我知道有一个频率滤波器，我也可以使用以下方法单独检查列表中的单词：
lambda *w: w not in [w1,w2,w3]
但是我不知道在这个函数中如何检查双标的频率。
我们怎样才能让大信号的频率传递给兰达呢？
浏览 0提问于2014-05-05得票数 1
回答已采纳
我有很多字符串。它们都只包含字符。字符和单词之间不能用空格分隔。其中一些字符构成了英语单词，而另一些字符则只形成了bufflegab。字符串不能包含完整的句子。
我需要找出其中哪些是用有效的英语演讲写的。我的意思是，字符串可以通过连接写得很好的英语单词来构建。我知道我可以用词汇表做点什么。但这两个词并不是相互分离的。因此，测试每个可能的单词组合可能非常耗时。
我正在寻找一种高性能的算法或方法，检查字符串是否由英语单词或英语语音构建。也许有一些东西给了我这个字符串包含英语语音的机会。
你知道对我有帮助的方法或算法吗？像这样的东西能帮到我吗？
浏览 8提问于2009-05-24得票数 3
1回答
我有一个网络DirectedGraph对象G，其中包含大约2,0000个顶点和120,000条边。
我想搜索边列表，看看哪条边以顶点‘deny’结尾。(哦，图中的顶点都是英文单词。)
我只是愚蠢地做了下面的事情，但它从未停止过..我从一开始就等了十多分钟。
我怎么才能快速执行它呢？
for i in range(len(G.edges())):
if list(G.edges())[i][1] == 'deny':
print(list(G.edges())[i])
浏览 0提问于2018-06-11得票数 0
1回答
显示文本中最常用的单词
、、、
我有一个我已经面临了两天的问题。我得到了一个文本，它横跨几行，我必须显示文本中最常见的单词，但例如常见单词出现的次数相同，换句话说，以显示字典顺序的最小值。这是我的代码：
import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.util.LinkedHashMap;
import java.util.Map;
public class Main {
public static void m
浏览 0提问于2020-02-15得票数 0
1回答
我有两个string列表
(Pdb) word_list1
['first', 'sentence', 'ant', 'first', 'whatever']
(Pdb) word_list2
['second', 'second', 'heck', 'anything', 'youtube', 'gmail', 'hotmail']
我想计算两个集合中每个单词的单词并集的概率分布。
(Pdb) prin
浏览 0提问于2015-12-17得票数 1
我用的是切斯特姆的德语词干。
我所写的文件中也有英文单词。
因此，我想让德语词干器忽略英语单词，然后我想告诉我的英语词干器忽略德语单词。
示例：
我的德文中有一个英文单词"case“。德国的词干机把它写成了"cas"，但它应该保留"case“。因此忽略了英文单词"case“。
这个是可能的吗？
我的代码：
stemmer = Cistem()
sl = []
for line in o:
sp = line.split()
sl.append(sp)
st = [[stemmer.segment(s) for s in l] for
浏览 4提问于2019-11-04得票数 0
回答已采纳
5回答
我正在为实践做一个编程挑战，并且很难找到一个很好的数据结构/算法来实现一个解决方案。
背景：
如果您可以通过添加、删除或更改单个字母将一个单词改为另一个单词，请调用两个单词“相邻”。
“单词列表”是连续单词相邻的唯一单词的有序列表。
问题：
编写一个程序，以两个单词作为输入，遍历字典，并在它们之间创建一个单词列表。
示例：
hate → love: hate, have, hove, love
dogs → wolves: dogs, does, doles, soles, solves, wolves
man → woman: man, ran, roan, rom
浏览 2提问于2013-04-19得票数 14
回答已采纳
1回答
我想知道是否有什么函数可以放进字符串，如果这个字符串有可以自动完成的单词(在英语中)，它将返回true (例如，如果字符串是"bl“，那么这个函数将返回true，因为"blue”是一个单词)，如果不是(比如字符串是"blszc")，那么它将返回false。
浏览 1提问于2017-05-31得票数 1
回答已采纳
我正在处理一个大型语料库，其形式是标记/单词列表。语料库包含大约1900,000字，我已经运行了一个代码来获取最频繁的单词，现在语料库已经有14万字了。
我想删除那些出现在文档中超过95%，而少于5%的单词。
语料库样本
['problems', 'guess', 'sleep', 'holy']
首先我找到了最常用的词
from nltk.probability import FreqDist
corpus_frequency = FreqDist(corpus)
corpus_commom=corpus_frequency
浏览 5提问于2020-05-19得票数 2
4回答
字的字母频率
、、
所以我有算法问题。假设，我们有一个单词，单词中的所有字母都必须按照它们出现的频率进行排序，从最频繁的字母开始。例如。“假设”将类似于"ppSsuoe“或"Ssppoeu”等等。
我想我应该把单词加到列表中，找到相同的字母，计算出我有多少相同的字母，并把它附加到列表的开头，只有匹配的字母可以随机打印。
但是，在逐字逐句地列出之后，我不知道该怎么办。如何找到相同的字母？如何对它们进行排序并附加到单词的开头？我应该使用临时列表吗？或者我应该用键:值字典？
name = 'Suppose'
list = []
for letter in name:
li
浏览 6提问于2017-04-08得票数 0
回答已采纳
1回答
我使用来自维基百科转储的数据构建了泰米尔语的语言模型，使用工具CMUCLMTK.Now，我如何生成光子转录并在model.The维基文章()中替换它们()说要替换转录而不是单词.What我现在应该做什么？
浏览 1提问于2015-09-18得票数 0
2回答
我需要创建一个函数，该函数将字符串列表作为输入，每个字符串都是一本书的内容的字符串。输出需要是2DNP计数数组，其中行是输入字符串中的书，列是“全局词汇表”中所有单词的计数。因此，如果输入两个字符串，并且它们有50个唯一的单词，则矩阵的形状将为(2,50)。
我之前有一段代码，它获取一个字符串列表，并根据字符串中唯一的单词创建一个字典，按照字典编者的顺序命名为词汇，我只是想不出如何将这个字典转换为矩阵。
这是我到目前为止所做的，但它不起作用，因为“列表索引必须是整数或切片，而不是str"：
def feature(strings):
import numpy as np
浏览 2提问于2020-07-26得票数 0
1回答
我正在使用python和nltk开发NLP。
我想知道是否有一些数据集包含大量的单词，其中显示了与情绪相关的关键字，如快乐、快乐、愤怒、悲伤等
从我在nltk语料库中挖掘出来的，我发现有一些情感分析语料库，其中包含积极和消极的评论，这些评论与显示情感的关键字并不完全相关。
有没有什么方法可以让我建立自己的字典，里面有表达情感的单词呢？如果是这样，我该怎么做，有没有这样的词的集合？
任何帮助都将不胜感激
浏览 0提问于2018-11-08得票数 0
2回答
Python中的文档频率
、、、
我想数一数一个特定单词出现了多少个文档。例如，在100个文档中，"Dog“一词出现在67个文档中。
一个文件相当于一个文件。
因此，“狗”这个词的频率不必计算。例如，在文档1中，"Dog“出现了250次，但它只被视为一次计数，因为我的目标是对文档进行计数，而不是在特定的文档中出现多少次"Dog”。
示例：
文件1:狗出现250次
文件2:狗出现1000次
文件3:狗出现1次
文件4:狗出现0次
文件5:狗出现了2次
所以答案必须是4
我有自己的算法，但我相信有一个有效的方法来做到这一点。我在NLTK库中使用Python3.4。我需要帮助。谢谢
浏览 6提问于2015-08-20得票数 0
DataFrame
我有一个Pandas DataFrame的评论栏，如上图所示。我希望获取产品‘’review‘列中每一行中每个单词的计数，并将其存储到另一列，即products' word _ count’。我尝试的代码如下：
products['word_count'] = products['review'].apply(lambda x : nltk.FreqDist)
但是，我得到的不是单词计数，而是列中的<class‘word .概率.’>对象！
浏览 1提问于2020-09-30得票数 0
我有一个需要对照英语词典检查的字符串列表。然而，我不想开始检查列表中的每一条胡言乱语。首先，我想检查字符串是否可能是一个英文单词。
有没有人知道这样做的算法，或者至少知道我需要应用的规则来验证一个单词？
例如：
任何口语单词都不能以3个以上的辅音开头，如果一个单词有3个声母，则第一个必须是"s“。
浏览 0提问于2011-07-21得票数 4
回答已采纳
3回答
我正在输入一个字符文件，每个单词在向量中都有自己的位置。然后，我需要跟踪每个单词，并找出每个唯一单词出现的次数，从而：
有三棵树树
应输出：
%1有%1三棵%1树%3
我想知道如何使用字符串向量来保存每个单词的轨迹。我会做一个字符串的向量，每个字符串都有一个int的向量吗？
浏览 0提问于2017-09-12得票数 0
我正在使用Solr 4主干构建，几天前。
根据LukeRequestHandler的Wiki页面(第一个示例输出)，我们应该获得每个或任何指定字段的令牌计数。我想用它来统计我所有文档中每个单词出现的次数。例如，如果单词“is”出现在两个MS word文档中，在第一个文档中出现两次，在第二个文档中出现三次，我将得到如下输出：
<lst name="text">
<str name="type">text</str>
<str name="schema">IT-M---------</st
浏览 1提问于2011-11-12得票数 0
回答已采纳
1回答
我目前正在进行一个项目，在这个项目中使用python中的tfidf获取文档集中最相关的10个单词。然而，也有结果，其中有得到相同的词和它的多元或副词左右。为了解决这个问题，我决定使用词根，但这会导致一个问题，即单词及其反义词可以具有相同的词根，或者通过将一个单词还原为它的根，如果用户要搜索它，就不能返回并在文档中找到这个特定的单词。在这种情况下，是否有比nlp更好的nlp？任何提示或链接都是有用的。我在做一些和youtube非常相似的事情。
浏览 1提问于2019-12-27得票数 1
回答已采纳
我在一个名为270,000+的变量中存储了英语字典中所有单词的列表( theList单词)。我有一个加扰词word，我想通过匹配单词列表来解读它。最初，我认为下面的代码会起作用，但效果不太好。
var theList; // Contains all the words in the English dictionary.
var word = "iexospensr"; // The word I want to unscramble.
var matches = word.match(new RegExp("^["+word+"]{"+w
浏览 13提问于2011-05-07得票数 4
回答已采纳
5回答
我试图读取一个文本文件，然后打印出所有的单词，其中最常见的单词在顶部，随着列表的下降而减少。我有Python3.3.2。
def wordCounter(thing):
# Open a file
file = open(thing, "r+")
newWords={}
for words in file.read().split():
if words not in newWords:
newWords[words] = 1
else:
newWords[words] +=
浏览 15提问于2015-12-05得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
云直播活动推荐
腾讯云开发者
