使用 nltk 过滤 trigram 标签

Question

我想找出一个语料库的八卦，但限制至少有两个八卦不是专有名词。到目前为止，这是我的代码。

def collocation_finder(text,window_size):

      ign = stopwords.words('english')


      #Clean the text
      finder = TrigramCollocationFinder.from_words(text, window_size) 
      finder.apply_freq_filter(2) 
      finder.apply_word_filter(lambda w: len(w) < 2 or w.lower() in ign)
      finder.apply_word_filter(lambda w: next(iter(w)) in propernouns)



      trig_mes = TrigramAssocMeasures()
      #Get trigrams based on raw frequency
      collocs = finder.nbest(trig_mes.raw_freq,10) 
      scores = finder.score_ngrams( trig_mes.raw_freq)

      return(collocs)

其中 propernouns 是语料库中所有专有名词的列表。

问题是我的最后一句话过滤了本应确保我没有超出我的限制的那个。有什么想法吗？

Answer 1

这应该是你想要的

finder.apply_ngram_filter(lambda w1, w2, w3: sum([w1 n propernouns, w2 in propernouns, w3 in propernouns]) >= 2)

使用 nltk 过滤 trigram 标签

Filter trigram tags with nltk

python

nlp

nltk

collocation