用nltk colocation功能抽取中文短语和专业词汇增加分词准确性

最新推荐文章于 2024-02-03 12:03:58 发布

huxuanlai

最新推荐文章于 2024-02-03 12:03:58 发布

阅读量3.2k

点赞数

分类专栏：自然语言处理和深度学习

本文链接：https://blog.csdn.net/huxuanlai/article/details/68927653

版权

#用nltk+jieba发现连词和三连词。
import jieba
import nltk
from nltk.collocations import *
train_corpus = "测试数据库,用户支付表,支付金额,支付用户,测试数据库,用户支付表,支付金额,支付用户"
bigram_measures = nltk.collocations.BigramAssocMeasures()
trigram_measures = nltk.collocations.TrigramAssocMeasures()

finder = BigramCollocationFinder.from_words(jieba.cut(train_corpus))
finder.apply_word_filter(lambda w: w.lower() in [',', '.', '，', '。'])
finder.nbest(bigram_measures.pmi, 10)

finder = TrigramCollocationFinder.from_words(jieba.cut(train_corpus))
finder.apply_word_filter(lambda w: w.lower() in [',', '.', '，', '。'])
finder.nbest(trigram_measures.pmi, 10)

#用gensim+jieba发现连词
import jieba
import gensim