5
我已經在網上看到大量關於python NLTK如何輕鬆計算單詞大小的文檔。NLTK可以很容易地計算單詞的大小寫。那麼字母呢?
那麼字母呢?
我想要做的是插入一本字典,並告訴我不同字母對的相對頻率。
最終我想做一些馬爾科夫過程來生成可能看起來(但是假的)單詞。
我已經在網上看到大量關於python NLTK如何輕鬆計算單詞大小的文檔。NLTK可以很容易地計算單詞的大小寫。那麼字母呢?
那麼字母呢?
我想要做的是插入一本字典,並告訴我不同字母對的相對頻率。
最終我想做一些馬爾科夫過程來生成可能看起來(但是假的)單詞。
下面是一個例子使用計數器從collections模塊(模相對頻率分佈):
#!/usr/bin/env python
import sys
from collections import Counter
from itertools import islice
from pprint import pprint
def split_every(n, iterable):
i = iter(iterable)
piece = ''.join(list(islice(i, n)))
while piece:
yield piece
piece = ''.join(list(islice(i, n)))
def main(text):
""" return ngrams for text """
freqs = Counter()
for pair in split_every(2, text): # adjust n here
freqs[pair] += 1
return freqs
if __name__ == '__main__':
with open(sys.argv[1]) as handle:
freqs = main(handle.read())
pprint(freqs.most_common(10))
用法:
$ python 14168601.py lorem.txt
[('t ', 32),
(' e', 20),
('or', 18),
('at', 16),
(' a', 14),
(' i', 14),
('re', 14),
('e ', 14),
('in', 14),
(' c', 12)]
如果二元語法是所有你需要,你不需要NLTK 。你可以簡單地做如下:
from collections import Counter
text = "This is some text"
bigrams = Counter(x+y for x, y in zip(*[text[i:] for i in range(2)]))
for bigram, count in bigrams.most_common():
print bigram, count
輸出:
is 2
s 2
me 1
om 1
te 1
t 1
i 1
e 1
s 1
hi 1
so 1
ex 1
Th 1
xt 1
你可以做的是簡單地把你的話的字符串,但通過信函,而不是由字有你的標記生成器記號化,然後運行你在信令標記集上的bigram模型。 – jdotjdot