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
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
浏览 0提问于2023-01-19得票数 -1
我想知道是否有办法获得用于训练官方模型的原始中文语料库？斯坦福-nlp的网页上说，他们使用了来自CoNLL，MUC-6，MUC-7和ACE的语料库。我检查了一下，CoNLL2003似乎没有中文语料库，我需要为MUC-6，MUC-7和ACE付费。有没有其他方法可以获得这些？谢谢。
浏览 6提问于2016-01-28得票数 0
我在R和tm包中是全新的，所以请原谅我愚蠢的问题;-)我如何在R包中显示纯文本语料库的文本？我在语料库中加载了包含323个纯文本文件的语料库：corpus <- Corpus(src)我总是得到这样的输出，而不是语料库文本本身：Metadata: 7</
浏览 12修改于2015-05-25得票数 10
回答已采纳
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
然而，这项工作发现，我需要语料库中的文档I来匹配数据帧中的文档I。文档ids存储在原始数据帧中的单独列中。df <- as.data.frame(t(rbind(c(1,3,5,7,8,10), library("tm")corpus <- Corpus(VectorSource(d
浏览 2修改于2013-02-13得票数 2
回答已采纳
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
我试图使用检查查看语料库中的文本数据。我得到了输出，因为有些数字如下：<<PlainTextDocument>>Content: chars: 100在R中，当试图使用检查函数查看语料库数据时，为什么不能查看其中的文本？
浏览 4修改于2015-06-08得票数 0
一个奇怪的问题是，是否有一种方法可以将使用tm中的语料库函数导入的语料库文档拆分成多个文档，然后在我的语料库中作为单独的文档重新阅读？VCorpus (documents: 1, metadata (corpus/indexed): 0/0)>>`
<<VCorpus (documents: 1, metadata (corpus/indexed):
浏览 4修改于2020-06-20得票数 2
回答已采纳
目前我需要做一个NLP项目，它首先需要用一个单一的热编码来表示一个大的语料库。基本上，这一想法类似于以下内容：
顺便说一句，如果向量大部分是用零实现的，我们可以使用Scipy.Sparse来使存储变得很小，例如，CSR。因此，我的整个问题是：
语料库中的句子如何用OneHotEncod
浏览 2修改于2015-05-20得票数 3
回答已采纳
我有一个语料库，我用它生成了生词。-> 'wordPairsBigram‘指的是语料库中的缩略语。我有句话：“公司董事长说他明年会增加利润”。我有以下代码，它计算在语料库中可用的句子的双字数的条件频率。output: The 8 0 0 0 0 next 0 0 0 0
浏览 4提问于2014-02-19得票数 0
我只是想从俄文，UTF-8编码文本创建一个语料库.问题是，tm包中的Corpus方法没有正确编码字符串。mini GT-I9190 (чёрный)")> vs <- VectorSource(data)然后创建语料库>><<PlainTextDocument (metadata: 7)>>
Ñêëàäñêîå ïîìåùåíèå,
浏览 4提问于2014-07-23得票数 3
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
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
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。(4, 3) 2.386294361119891(6, 4) 2.386294361119891
问题的第二部分是我如何提供我自己的语料库在
浏览 1修改于2019-04-21得票数 5
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