回答情况：
提问时间：
问题标签：
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
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
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
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
dictionary = corpora.Dictionary(sentences)
corpus = [dictionary.doc2bow(text) for text in sentences] 获取语料库，例如：(0，1)，(1，5)，(3，1) ...我想要的语料库如下：(word_1，1)，(word_2，5)，(word_3，1) ... 所以我想要在语料库中获取单词而不是id单词。有没有人能告诉我怎样才能将这样的语料库保存为excel文件？
浏览 36提问于2021-05-07得票数 0
2回答
我正在使用gensim的包在语料库上实现LSI。我的目标是找出语料库中出现频率最高的不同主题。如果我不知道语料库中的主题数量(我估计在5到20之间)，那么设置LSI应该搜索的主题数量的最佳方法是什么？是查找大量的主题(20-30个)，还是查找少量的主题(~5个)？
浏览 8提问于2014-07-18得票数 1
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
我有一个包含1500万个文档的搜索语料库。每个文档都是一个简短的句子，包含5到10个单词(文档有时也包含一些3-4位数字)。我已经使用字符二元语法对这个搜索语料库进行了标记，并从它创建了一个dfm。我还有另一个语料库，我称之为匹配语料库。它有几百个类似长度的文档，具有相同的标记化，并且还为其创建了dfm。其目的是从搜索语料库中为每个匹配的语料库文档找到最接近的匹配文档。然后，我使用“余弦”方法在这个组合的dfm上运行textstat_simil，将" docu
浏览 1提问于2018-11-13得票数 1
我有一个23000文件的语料库，需要分为5个不同的类别。我没有任何标签数据可供我使用，只是自由格式的文本文档和标签(是的，一个词的标签，而不是主题)。所以我采用了两步的方法：以某种方式，使用这些标记的数据来标识其他文档的标签。对于步骤2，我尝试了以下方法：
对分类数据进行主题建模，使用规则提取重要术语，使用重要术语对其余文档进行标记。
浏览 0提问于2020-08-26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
这个工作代码为我提供了5个最相关的文件，一个主题在我的语料库之外。bow_corpus, reverse=True, key=lambda doc: abs(dict(doc).get(topic_number, 0.0)))
print most_relevant_docs[ :5]但是由于语料库是人类无法阅读的，所以我想把索引压缩到语料库，这样就可以恢复依赖的文档。reverse=True, key=lambda my_id, doc : abs(dict(doc).get(topic_number
浏览 1修改于2019-04-09得票数 0
回答已采纳
1回答
我有一个很大的语料库，我试图在语料库中找到最相似的n-gram。在这种情况下，我使用。在大型语料库中，计算字符串(如n-gram)之间距离的最有效方法是什么？
浏览 17提问于2020-06-09得票数 2
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。输出(0, 0) 2.386294361119891(2, 1) 1.9808292530117262(4, 3) 2.386294361119891
(5, 2) 2.38629436111
浏览 1修改于2019-04-21得票数 5
回答已采纳
背景:想要了解两个标记之间的最终相似性是否取决于语料库中A和B的频率(所有上下文都保留了)，还是不可知的。示例：(可能不是理想的，但使用它来详细说明问题)Context 1 : 1000 timesContext3 : 50000 timesContext 1 : 300 times
Context 5 : 1
浏览 0修改于2019-04-04得票数 1
我有一个数据集(客户审查语料库)如下所示：[["I like the product", "5"],["the product is poor", "2.5"],["it isan okay product", "3"],["the quality is poor", "1"],["color is great", "3.5"]]
第
浏览 3提问于2015-09-17得票数 0
回答已采纳
我正在尝试从一个语料库创建一个依赖解析器。语料库是conll格式的，所以我有一个函数来读取文件并返回列表列表，其中每个列表都是一个已解析的句子(我使用的语料库已经被解析了，我的工作是在这个解析中找到另一个替代)。我的教授要求只随机选择这个语料库中5%的句子，因为它太大了。我尝试过创建一个空列表并使用追加函数，但是我不知道如何通过索引来指定我希望在语料库的每100个句子中有5个import os, nltk, glob
def r
浏览 0提问于2019-04-01得票数 1
回答已采纳
我有一个名为的大型英语语料库，我想列出所有单词的频率。意思是它们在整个语料库中出现了多少。这个频率列表应该有一些特点：
我想用这个频率列表作为一种字典，所以每当我在程序的另一部分看到一个词时，我想检查它在这个列表中的频率。
浏览 0修改于2019-01-13得票数 0
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