回答情况：
提问时间：
问题标签：
1回答
除了nltk附带的语料库之外，我还想用我自己的语料库来训练它，该语料库遵循相同的词性规则。如何找到它正在使用的语料库，以及如何添加我自己的语料库(另外，不是作为替代)？
浏览 2修改于2015-03-11得票数 1
回答已采纳
我想知道如何计算密码分布的熵，它由一个或多个子规则组成，这些子规则是从已知分布中提取的。下面是一些需要计算的例子。1.简单8字符密码2.从流行文化从10,000,000词组语料库中选出5个词组3.带有附加“强度”规则从7776个单词列表中随机抽取4个单词(6^5，6-侧模，5卷)
这些单词与空格、-或根本没有空格字符(例如)连接。)
浏览 0提问于2023-01-19得票数 -1
Iramuteq和Alceste是文本挖掘程序(在法国仍然非常流行)，它们处理格式奇怪的txt文件:语料库中的每个文档都必须以*开头，然后每个语料库变量都必须编码为*variablename_value(遵守一些格式规则)，并且要分析的文本必须在新行上。country_france**** year_2021 country_germany如何将文本和语料库变量作为列的数据帧转换为这种格式
浏览 0提问于2021-11-28得票数 0
我给工人的参数是20，但顶部显示它只使用了4个进程。围绕它有一些讨论，它在阅读语料库时可能会很慢，比如： corpus = [dictionary.doc2bow(text) for text in texts]
我不能理解这里的限制因素是什么？
浏览 2修改于2017-05-23得票数 4
我用nltk附带的棕色语料库来训练一个“部分句子”标签。我们得到了预期的输出：
它不能标记这些单词，因此它给它们添加了None标签：
(那个，没有)，(‘任何’，没有)，(‘违规’
浏览 4修改于2017-08-23得票数 3
回答已采纳
我正在为语料库的分析做准备，首先使用命令'lexicalize'，该命令返回一个术语-文档矩阵，如果没有预先指定，还会返回一个在语料库中出现的具有唯一标记的词汇表。出于研究目的，我想使用从另一个语料库推断出的词汇表对语料库进行词汇化(让我们称其为'corpusA')，这是一件应该很容易完成的事情。然而，它并没有起作用。I have a major headache")
B1
$documents[[1]
浏览 0提问于2014-01-16得票数 0
1回答
当我试图将stemCompletion应用于一个语料库时，这个函数会生成NA值。removePunctuation) (结果之一是：[2584]分区计划)但结果是下一步应该是创建带有事务的关联矩阵，然
浏览 2修改于2013-09-13得票数 2
假设我有一个短句语料库，字数从1到500个左右，平均字数在9个左右。如果我用Word2vec (默认情况下)训练Gensim window=5模型，我应该全部使用这些句子吗？如果是这样的话，是否有一个经验规则的最低字数？
浏览 2提问于2021-05-13得票数 0
回答已采纳
为什么矢量化语料库的值与通过idf_属性获得的值不同？idf_属性不应该只返回反向文档频率(IDF)，就像它出现在矢量化语料库中一样吗？： (0, 2) 0.6300993445179441 (0, 0) 0.44832087319911734 (1, 1) 0.6300993445179441 (1
浏览 15修改于2019-06-19得票数 2
回答已采纳
我试图使用来计算跨标准语料库的一个单词的TF-以色列国防军得分，但是对于我收到的结果有点不清楚。(1, 1) 1.9808292530117262(3, 5) 2.386294361119891(5, 2) 2.386294361119891
(6, 4) 2.3862943611
浏览 1修改于2019-04-21得票数 5
回答已采纳
1回答
我试图从语料库中删除较长(>25个标记)和较短(<4个标记)的句子，并删除包含出现次数少于8次的罕见单词的句子。我试图删除它，但每次尝试都会收到错误消息或空列表。语料库是棕色语料库。lens = [w for w in corpus.sents() if len(w)>=25 and len(w)<= 4]out: []
我也不知道如何在这份清单中加入稀有单词的理解
浏览 5修改于2021-03-09得票数 0
回答已采纳
我惊讶地发现，数据库中最简单的规则占用了大部分的执行时间。我的语料库包含表示数字的字符串，我想在scalar/3谓词中捕获这些字符串。这些占用了总执行时间的50-60%。一开始，我的scalars.pl中有70行，代表我语料库中数字的数字和自然语言表示。就像这样：scalar(scalar(3)) --> ["3"].
scalar(scalar(4)) --> ["four&q
浏览 0修改于2019-08-06得票数 4
回答已采纳
我试图从我的语料库中提取短语。为此，我定义了两个规则，一个是名词，另一个是形容词，然后是名词。在这里，我希望如果从两个规则中提取相同的短语，程序应该忽略第二个规则，我面临的问题是，短语是从第一个规则中提取出来的，第二个规则是不适用的。__unicode__()[4:-1]
phrase = ' '.joi
浏览 6修改于2019-05-07得票数 2
回答已采纳
我有一个短文语料库(大约5000句)，它构成了一个大约2000字的词汇表。我使用Gensim构建了一个Word2Vec模型，但是来自most_similar的输出看起来并不合理。是因为我词汇量不够吗？如果是的话，是否有关于词汇表大小的大拇指规则？
浏览 5修改于2021-02-19得票数 0
回答已采纳
例如：它是一个包含20个文本文档的语料库，我如何获得这样的信息：2 64 3第二列是“粗”语料库中每个文档的行数？
浏览 0提问于2014-06-05得票数 0
回答已采纳
我必须做一个解析:目标是创建一个将应用于语料库的语法规则。我有一个问题:有可能在语法中列出一个列表吗？
浏览 1提问于2017-08-31得票数 1
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号