为什么不是所有的二元语法都在gensim的‘`Phrases`’工具中创建？
在gensim的Phrases工具中，它主要用于将文本中的短语进行合并，以便更好地训练词向量模型。然而，并不是所有的二元语法都适合在Phrases工具中创建。
首先，Phrases工具是基于统计的方法，它使用了词频和共现频率来判断哪些短语应该被合并。因此，对于那些在文本中出现频率较低的短语，Phrases工具可能无法准确地识别它们，导致合并结果不准确。
其次，Phrases工具是基于词袋模型的，它只考虑了词与词之间的共现关系，而没有考虑上下文语境。对于一些需要更深入语义理解的短语，例如特定的领域术语或专有名词，Phrases工具可能无法准确地捕捉它们的含义。
此外，Phrases工具是一种通用的短语合并方法，它并不针对特定的应用场景或领域进行优化。对于一些特定领域的文本数据，可能存在更适合的短语合并方法，例如基于领域知识的规则或模型。
综上所述，尽管Phrases工具在许多情况下可以有效地合并短语，但并不是所有的二元语法都适合在其中创建。在使用Phrases工具之前，需要对文本数据进行分析，了解数据特点和需求，选择合适的方法来处理短语合并的任务。
相关·内容
我使用gensim创建了一个二元模型，并尝试获取二元句子，但它没有选择所有的二元句子，为什么？
from gensim.models.phrases import Phrases, Phraser
phrases = Phrases(sentences, min_count=1, threshold=1)
bigram_model = Phraser(phrases)
sent = [u'the', u'mayor', u'of', u'new', u'york', u'was', u'th
浏览 10提问于2020-02-07得票数 1
回答已采纳
1回答
Gensim有没有办法在单词列表中严格生成二元语法和三元语法？
我可以成功地生成一元、二元、三元，但我只想提取二元、三元。
例如，在以下列表中：
words = [['the', 'mayor', 'of', 'new', 'york', 'was', 'there'],["i","love","new","york"],["new","york","is","gr
浏览 1提问于2020-01-17得票数 0
我正在尝试用gensim模拟CountVectorizer()中的n_gram参数。我的目标是能够将LDA与Scikit或Gensim一起使用，并找到非常相似的二元语法。
例如，我们可以找到以下带有scikit的二元模型："abc computer"，"binary unordered“和gensim "A survey"，"Graph minors”……
我在下面附上了我的代码，以比较Gensim和Scikit在二元/单元语法方面的差异。
谢谢你的帮忙
documents = [["Human" ,"machine
浏览 1提问于2017-05-11得票数 0
1回答
我想得到符号(单词的字母)的二元模型。例如，对于单词"done“和"dog”，我希望能够找到二元语法"do“。 我试着用gensim.Phrases写，但对我不起作用。 下面是我的代码： from gensim.models import Phrases
documents = ["God", "Good","happy","hangry","pypi"]
documents_proc = [list(doc) for doc in documents]
bigram = Phrase
浏览 24提问于2019-04-29得票数 0
2回答
我正在尝试构建一个Tf-Idf模型，它可以使用对双词和单词进行评分。为此，我构建了一个gensim字典，然后使用该字典创建我用来构建模型的语料库的词袋表示。
构建字典的步骤如下所示：
dict = gensim.corpora.Dictionary(tokens)
其中token是单字和双字的列表，如下所示：
[('restore',),
('diversification',),
('made',),
('transport',),
('The',),
('grass',),
(
浏览 1提问于2018-07-19得票数 7
我正在尝试用二元语法训练一个gensim Word2Vec模型。为了获得二元语法，我运行以下代码，其中sentences代表使用nltk.sent_tokenize的一长串拆分句子，使用空格进行词形区分，然后小写：
from gensim.models import Word2Vec, Phrases
bigrams = Phrases(sentences, min_count=20, threshold=10)
这只能包括出现>= 20次的二元语法。但是当我运行bigrams.vocab时，我得到：
defaultdict(int,
b'inflat
浏览 0提问于2020-01-11得票数 0
2回答
这是我的代码
from gensim.models import Phrases
documents = ["the mayor of new york was there the hill have eyes","the_hill have_eyes new york mayor was present"]
sentence_stream = [doc.split(" ") for doc in documents]
bigram = Phrases(sentence_stream, min_count=1)
sent = ['th
浏览 3提问于2019-09-16得票数 0
1回答
在进行大写和曲线图时，代码的执行方式是考虑到每个字母，而不是每个单词。请让我知道谁能解决这个问题！(项目是文件的名称)
bigram_phrases = gensim.models.Phrases(items, min_count=5, threshold=50)
trigram_phrases = gensim.models.Phrases(bigram_phrases[items], threshold=50)
bigram= gensim.models.phrases.Phraser(bigram_phrases)
trigram= gensim.models.phrases.Phra
浏览 4提问于2022-03-24得票数 0
2回答
我想使用gensim从语料库中学习二元语法，然后只打印学习到的二元语法。我还没有见过这样的例子。感谢您的帮助
from gensim.models import Phrases
documents = ["the mayor of new york was there", "human computer interaction and machine learning has now become a trending research area","human computer interaction is interesting","
浏览 17提问于2018-12-10得票数 2
1回答
我正在对语言学论文进行主题建模，并使用Gensim短语来识别频繁的搭配。我希望能够将术语标记为“do-support”和“it-cleft”作为一个单词，因为它们是特定的语言术语。然而，如果我在删除停用词之后创建Gensim模型，将找不到这些搭配(因为它们包含停用词)，如果我在删除停用词(或者不包括' it‘或’do‘的停用词)之后创建模型，它会识别出一大堆不相关的搭配。有没有办法手动添加应该被Gensim短语识别为搭配的短语？谢谢!
浏览 0提问于2017-08-22得票数 2
2回答
使用Gensim提取短语时的错误
、、、、
我试着用Gensim中的短语得到句子中的大写，如下所示。
from gensim.models import Phrases
from gensim.models.phrases import Phraser
documents = ["the mayor of new york was there", "machine learning can be useful sometimes","new york mayor was present"]
sentence_stream = [doc.split(" ") for doc
浏览 6提问于2017-09-10得票数 3
回答已采纳
1回答
我想要从数据文件行创建一个。df.preprocessed_text是一个单词列表。
from gensim.models.phrases import Phrases, Phraser
from gensim.corpora.dictionary import Dictionary
def create_dict(df, bigram=True, min_occ_token=3):
token_ = df.preprocessed_text.values
if not bigram:
return Dictionary(token_)
浏览 2提问于2021-01-19得票数 0
回答已采纳
我正在尝试使用Gensim.phrases库来识别文本中的短语。
我使用了以下代码：
bigram = models.Phrases(txt_to_words,min_count=min_count, threshold=threshold,common_terms=common_terms)
然后我得到了错误：
<ipython-input-13-1c8b06a0b078> in words_to_phrases(txt_to_words, min_count, threshold)
33 common_terms=["of", "wit
浏览 0提问于2018-04-17得票数 0
一直在跟踪文档，以及这个链接：和我完全不知道为什么会发生这种情况。在对我的句子进行符号化和归一化之后，我将句子放在一个短语中，创建了一本字典，并将所有正确的变量插入到模型中。下面是我的代码示例：
tokens = [[euid, sent, gensim.parsing.preprocessing.preprocess_string(sent.lower(), filters=[strip_punctuation,
strip_multiple_whitespaces, strip_numeric, remove_stopwords, strip_short, wordnet
浏览 0提问于2018-07-02得票数 1
3回答
我目前在我的word2vec模型中使用uni-gram，如下所示。
def review_to_sentences( review, tokenizer, remove_stopwords=False ):
#Returns a list of sentences, where each sentence is a list of words
#
#NLTK tokenizer to split the paragraph into sentences
raw_sentences = tokenizer.tokenize(review.strip())
浏览 0提问于2017-09-09得票数 15
回答已采纳
1回答
现在我试着用gensim Phrases来学习基于我自己语料库的短语/特殊意义。
假设我有与汽车品牌相关的语料库，删除标点符号和秒词，标记句子，例如：
sent1 = 'aston martin is a car brand'
sent2 = 'audi is a car brand'
sent3 = 'bmw is a car brand'
...
通过这种方式，我希望使用gensim Phrases来学习，以便输出如下所示：
from gensim.models import Phrases
sents = [sent1, sent2, se
浏览 2提问于2020-03-13得票数 0
2回答
问题不在于如何发现关键短语。它是关于检测一个词的组合是否是一个有效的短语。例如,
“约翰在纽约读”纽约时报“
在这里，短语是
纽约时报
关键词短语的检测是一个文本总结问题，但本文对组合词是否为有效短语进行了分类。
有一些算法我们已经通过包括但不限于models.phrases短语(搭配)检测的Gensim，然而，我们正在寻找更好的结果。
浏览 0提问于2018-07-06得票数 0
1回答
我想为法语创建一个很大的gensim字典，尝试在主题检测、文本之间的相似性和其他类似的事情上获得更好的结果。因此，我计划使用维基百科转储，并按以下方式处理：
从frwiki-YYYYMMDD-pages-articles.xml.bz 2中提取每篇文章(已完成)
标记每一篇文章(基本上将文本转换为小写，删除停止词和非单词字符)(已完成)
在文章上训练短语模型以检测搭配。
在每一篇文章中停止产生的标记。
向字典提供新的语料库(每行一篇词干搭配-标记化文章)
由于语料库非常大，我不会在内存中存储任何东西，也不会通过smart_open访问该语料库，但似乎gensim短语
浏览 0提问于2019-01-23得票数 1
回答已采纳
1回答
是否存在预训练的Gensim的Phrases模型?如果没有，是否可以使用预训练的单词嵌入进行逆向工程并创建短语模型？ 我正在尝试将GoogleNews-vectors-negative300.bin与Gensim的Word2Vec一起使用。首先，我需要将我的单词映射到短语中，这样我就可以从Google的预训练嵌入中查找它们的向量。 我搜索了Gensim的官方文档，但没有找到任何信息。谢谢!
浏览 18提问于2020-10-16得票数 1
回答已采纳
2回答
我正在使用Gensim短语来识别文本中的重要n-gram，如下所示。
bigram = Phrases(documents, min_count=5)
trigram = Phrases(bigram[documents], min_count=5)
for sent in documents:
bigrams_ = bigram[sent]
trigrams_ = trigram[bigram[sent]]
但是，这会检测到不感兴趣的n元语法，如special issue、important matter、high risk等。我特别感兴趣的是检测文本中的概念，如machi
浏览 0提问于2017-12-10得票数 1
我有大约82个gzipped文件(每个文件大约180 82，总计14 82)，其中每个文件包含新的行分隔语句。我正在考虑使用gensim Word2Vec的来训练词汇表上的word2vec模型。这样，列表就会进入内存中。
现在我还想让嵌入包含多个单词的短语。但是从来看，我似乎需要一个已经训练过的短语检测器和我所有的句子。
from gensim.models import Phrases
# Train a bigram detector.
bigram_transformer = Phrases(all_sentences)
# Apply the trained MWE detector
浏览 2提问于2021-01-05得票数 0
回答已采纳
下面的代码片段是我在教程的帮助下创建的，用于无监督的情感分析目的：
sent = [row for row in file_model.message]
phrases = Phrases(sent, min_count=1, progress_per=50000)
bigram = Phraser(phrases)
sentences = bigram[sent]
sentences[1]
file_export = file_model.copy()
file_export['old_message'] = file_export.message
file_export.
浏览 14提问于2022-04-18得票数 1
回答已采纳
我正在尝试使用Gensim短语函数将经常显示的bigram包含到一组unigram标记中，但在这里，我陷入了最后一个阶段。
我得到的输出结果如下所示(有)，所有的标记都被进一步分解成字符级别，一些字符被配对(例如y_o)。
但我希望看到的输出如下所示(希望)。
换言之：
(1)从格式的“col1”原始字符串中删除停止字，并将输出保存在“col2”中。
(2)然后，使用Gensim短语生成二进制图，并将输出保存在“col3”中。
(3)将“col2”和“col3”的输出一起添加到“col4”中，但保留“col2”中的所有输出，而只包含“Col3”中的大写。
哪一部分我有错误的代码？请看下面我的密
浏览 8提问于2022-08-01得票数 0
from gensim.parsing import PorterStemmer
from gensim.models import Word2Vec, Phrases
class SentenceClass(object):
def __init__(self, dirname):
self.dirname = dirname
def __iter__(self):
for fname in os.listdir(self.dirname):
with open(os.path.join(self.dirname,f
浏览 1提问于2017-08-23得票数 1
回答已采纳
1回答
我正在做主题建模使用gensim (在jupyter笔记本)。我成功地创建了一个模型并将其可视化。以下是代码：
import time
start_time = time.time()
import re
import spacy
import nltk
import pyLDAvis
import pyLDAvis.gensim
import gensim
import gensim.corpora as corpora
from gensim.utils import simple_preprocess
from gensim.models import CoherenceModel
im
浏览 6提问于2019-12-24得票数 1
1回答
这可能是一个愚蠢的问题，但我只是不明白为什么我的脚本与gensim.models.word2vec不工作。事情是这样的，我正在使用斯坦福情感分析数据库数据集(~11000评论)，我正在尝试使用gensim构建word2vec，这是我的脚本：
import gensim as gs
import sys
# open the datas
sentences = gs.models.word2vec.LineSentence('../processedWords.txt')
print("size in RAM of the sentences: {}".fo
浏览 3提问于2017-05-20得票数 3
回答已采纳
通过将WikiCorpus参数设置为自定义的tokenize函数，我试图自定义Gensim的tokenize处理：
# Set tokenizer to our custom tokenizer
wiki = WikiCorpus(input, tokenizer_func=tokenize)
但是PyParsing花费的时间太长，无法处理文本(比如，一篇文章在运行一天之后甚至没有被处理)。在我的例子中，我想清理维基百科的语料库，除了保持任何与我所拥有的单词列表相匹配的单词(可能包含数字、下划线或符号)不变。
假设一个可变长度的单词列表phrase_list，包括:81个，麦当劳，21个，快乐
浏览 2提问于2021-09-05得票数 0
我正在从头开始构建一个主题模型，其中一个步骤是使用TfidfVectorizer方法从我的文本语料库中获取单元图和二进制图：
tfidf_vectorizer = TfidfVectorizer(min_df=0.1, max_df=0.9, ngram_range = (1,2))
在主题创建之后，我使用gensim的Word2Vec提供的相似性分数来确定主题的一致性。我通过在同一个语料库上进行培训来做到这一点：
bigram_transformer = Phrases(corpus)
model = Word2Vec(bigram_transformer[corpu
浏览 2提问于2021-07-13得票数 1
回答已采纳
2回答
我试图找到所有的div，其class名称是‘class’，而父节点的class名称不是‘额外的’。
所以在Python里我用
for phrase in entry.iterfind(".//div[@class='phrase'] and ./parent::div[@class!='extras']]"):
做那件事。
但它给了我一个错误：
SyntaxError: prefix 'parent' not found in prefix map
我将上面的代码更改为
for phrase in entry.iterfind(&
浏览 0提问于2019-01-17得票数 1
回答已采纳
我正在尝试安装gensim，因为我正在使用Windows 10上的Python进行主题建模。
pip install --upgrade gensim
我经常遇到错误：
ERROR: Command errored out with exit status 1:
command: 'c:\users\swat_\appdata\local\programs\python\python39\python.exe' -u -c 'import sys, setuptools, tokenize; sys.argv[0] = '"'"&
浏览 3提问于2021-04-17得票数 0
1回答
我们正在实现我们的定制聊天机器人使用谷歌对话框流。我在对话框流中创建了一些意图，如下所示。
Intent : DVR
Training Phrases :
Unable to play DVR
Unable to play Recording
Not able to list Recordings
Intent : listings
Training Phrases :
Where are my TV listings
Intent : movies
Training Phrases :
Unable to play Movies
Un
浏览 3提问于2020-10-29得票数 2
我迭代地应用..。
bigram.add_vocab(<List of List with Tokens>)
方法，以便更新.
bigram = gensim.models.phrases.Phrases(min_count=bigramMinFreq, threshold=10.0)
Gensim短语模型每次迭代最多可添加10,000个文档。因此，我的直觉是，短语模型与每个添加的文档集一起增长。我用.检查双字词汇表的长度来检验这种直觉。
len(bigram.vocab))
此外，我还检查了冻结短语模型中短语的数量。
bigram_freezed = bigram.freeze(
浏览 4提问于2022-03-13得票数 1
回答已采纳
1回答
我试图按照这个页面创建一个wiki语料库，但我使用的是木星笔记本
这是我的密码：
import sys
from gensim.test.utils import datapath
from gensim.corpora import WikiCorpus
path_to_wiki_dump = datapath("enwiki-latest-pages-articles.xml.bz2")
wiki = WikiCorpus(path_to_wiki_dump)
output = open('wiki_en.txt', 'w', enc
浏览 8提问于2021-08-12得票数 0
回答已采纳
1回答
我是NLP的新手，我有一个非常简单的问题，我本以为会被问到很多问题，但老实说，我在任何地方都找不到:在同一个分类器中是否可以使用多种类型的ngram(例如unigram+bigram)？
我试过这样做，至少对于朴素贝叶斯来说，它给了我比只有二元模型更高的准确率(尽管比一元模型低)，但我不确定这是否是一种合法的做法。我担心的一个问题是，如果这是一个适用的术语，那么存在多重共线性的可能性，即“运气”和“好运”都在最具信息量的特征列表的顶部。
浏览 0提问于2016-11-30得票数 0
我正在尝试从txt文件中的文本中查找双字母组频率。到目前为止，它工作正常，但它计算数字，symbols.Here是我拥有的代码：
import nltk
from nltk.collocations import *
import prettytable
file = open('tweets.txt').read()
tokens = nltk.word_tokenize(file)
pt = prettytable.PrettyTable(['Words', 'Counts'])
pt.align['Words'
浏览 1提问于2017-02-24得票数 0
5回答
我有以下SQL查询：
SELECT Phrases.*
FROM Phrases
WHERE (((Phrases.phrase) Like "*ing aids*")
AND ((Phrases.phrase) Not Like "*getting*")
AND ((Phrases.phrase) Not Like "*contracting*"))
AND ((Phrases.phrase) Not Like "*preventing*"); //(etc.)
现在，如果我使用的是RegEx，我可能会把所有的
浏览 1提问于2010-01-11得票数 1
回答已采纳
我有两个ASP.NET Web Forms Apps，第一个目标是v4.0，第二个是.NET框架的v4.5。我使用的是ASP.NET CKeditor插件v3.6.4。所有的工作都很好，除了我不能用‘ExtraPlugins’属性注册我的'phrases‘插件。
CKEDITOR.replace('<%=CKEditor1.ClientID%>',
{
extraPlugins: 'phrases',
toolbar:
[
浏览 2提问于2013-01-08得票数 0
回答已采纳
2回答
我想在我的Rails应用程序中创建一个动态正则表达式。我的数据库中有一个名为foo的表。foo由两列组成，id和phrase，它就是varchar(255)。我希望能够创建一个巨大的表达式，将所有的“短语”实例连接起来，看看传入的参数是否与短语中的任何单词相匹配。我原以为下面这样的代码可以做到这一点，但它似乎不能正常工作。我做错了什么？
# get all phrases
phrases = Foo.all.map(&:phrase)
regex = Regexp.new phrases.join('|')
if params[:some_text] =~ rege
浏览 3提问于2012-11-14得票数 1
回答已采纳
在运行包含Eclipse外部包的项目时，我遇到了困难，所以我创建了一个简单的示例来说明这个问题。
我创建了一个名为“Eclipse中的玩具”的项目来表示某种简单的玩具。Eclipse生成的文件夹的布局如下：
toy
┣ bin
┃ ┗ toy
┃ ┃ ┣ toy_data
┃ ┃ ┃ ┣ Colour.class
┃ ┃ ┃ ┗ Phrases.class
┃ ┃ ┗ Toy.class
┣ src
┃ ┗ toy
┃ ┃ ┣ toy_data
┃ ┃ ┃ ┣ Colour.java
┃ ┃ ┃ ┗ Phrases.java
┃ ┃ ┗ Toy.java
┣ .classpath
┗ .pro
浏览 4提问于2019-12-14得票数 0
回答已采纳
我正在做一个情感分析项目，在这个项目中，我分析了大量的文件，我并没有把“不”这个词作为临时词删除，这样我就可以用它来判断一个文本是否同意或不同意某件事。例如，在讨论COVID疫苗时，“无效”和“有效”是有区别的。
然而，我的短语并没有用“not”这个词来识别任何生词。我推测这是因为这个标记存在于如此大的数字中(特别是因为我扩展了收缩，所以“不是”“->”不是“)，所以评分函数只是简单地用"not”太低来打分所有的值。这是因为标准短语评分功能是：
(其中min_count是一个超参数)
因此，由于数据库中有数千次"not“存在，所以worda_count将是非常大
浏览 4提问于2022-03-17得票数 0
1回答
你好，GenSim社区。我正在使用Python 2.7.5和Sublime Text 2。我需要安装Gensim。我已经试过了，但它不支持NLTK。我需要在Sublime Text 2中导入GenSim。我尝试了所有的命令行指令，都没有成功。有人能告诉我如何在ST2中获取GenSim吗？我已经安装了Scipy和Numpy。我已经尝试按照Radim Rehurek网页、easy_install和pip install等上的说明进行操作。
浏览 4提问于2014-03-10得票数 1
为什么当我在linux中用python3调用Numpy，Scipy，Gensim时会出现以下错误？
>import gensim
_concrete_types = {v.type for k, v in _concrete_typeinfo.items()}
AttributeError: 'tuple' object has no attribute 'type'
浏览 0提问于2019-01-15得票数 1
1回答
books_over10['Keywords'] = ""
r = Rake() # Uses stopwords for english from NLTK, and all puntuation characters.
for index, row in books_over10.iterrows():
a=r.extract_keywords_from_text(row['bookTitle'])
c=r.get_ranked_phrases() # To get keyword phra
浏览 12提问于2020-01-08得票数 1
回答已采纳
1回答
我对nltk比较陌生，但最近我遇到了一个问题，我似乎找不到解决方案。
我有一个这样的文本
Monkeys like bananas.
The sky is blue.
我正在尝试做二元语法，通过使用word_tokenizer，它创建了这些二元语法：
Monkeys like 1 like bananas 1 bananas The 1 The sky 1 sky is 1 is blue 1
我如何才能使它工作，这样它就不会创建二元语法
bananas The 1？
import nltk
from nltk.util import ngrams
corpus = open("my
浏览 1提问于2017-11-05得票数 1
我在一个文件( "phrases“)中有一个短语列表，每个短语都在自己的行上。
我还有另一个文件，其中包含一个单词列表，每个单词位于一行("words").上。
我希望在"phrases“中每个短语的末尾加上一个星号，以"words”中列出的一个单词开头。
例如：
文件"phrases"：
gone are the days
hello kitty
five and a half
these apples are green
文件"words"：
five
gone
手术后"phrases“的预期结果：
gone
浏览 9提问于2017-11-27得票数 1
回答已采纳
2回答
如何与词汇外的词使用相似函数？
、、、、
我对word2vec模型进行了培训，列出了杂货店的所有产品名称。然后，我用下面列出的常用短语和单词建立了词汇表：
from gensim.models.phrases import Phrases, Phraser
from gensim.models import Word2Vec
phrases = Phrases(product_list, min_count=30, progress_per=10000)
bigram = Phraser(phrases)
common_texts = bigram[product_list]
w2v_model = Word2Vec(min_cou
浏览 14提问于2022-08-15得票数 0
1回答
例如，如果我试图预测句子中的下一个单词，我可以使用二元语法方法，并根据语料库中的前一个单词计算单词出现的概率。
相反，我使用神经网络来预测下一个单词。训练数据由单词对组成，其中每对单词都包含语料库中的当前单词和下一个单词。训练网络使用输入值作为单词的矢量化表示，输出值是语料库中下一个单词的矢量化表示。
我希望神经网络表现得更好，但我不确定为什么？
什么时候使用神经网络比使用经典方法更好。在这种情况下，神经网络与n元语法模型。如果这个问题含糊不清，我深表歉意。
也许答案是试错，并检查哪个模型的性能更快，预测更好？
神经网络的性能会更好，因为预测只是一个向量乘法，而使用n元语法模型进行预测需要进行
浏览 13提问于2016-09-27得票数 2
回答已采纳
1回答
我试图创建一个图表，它显示了LSI主题的频率。我能够用相同的代码为我的LDA模型做这件事。
当我试图可视化我的LSI主题时，我会得到错误消息，如下所示。
创建模型的代码如下：
# Import CSV
df_train = pd.read_csv("Fold_2.csv", engine='python',encoding='latin-1')
# Convert to list
data = df_train['Post'].values.tolist()
# Change sentences to words
def se
浏览 48提问于2022-04-28得票数 0
我已经试着去研究这个问题，但没有办法像我想象的那样去做。作为一个例子，我试图分组的术语是'No complaints'，当查看这个单词时，“No”是在我手动从秒词中删除以确保它包含在数据中的止回词中被选中的。然而，在情感分析过程中，这两个词都会被选为负面词。我想把它们结合在一起，这样它们就可以被归类为中性的或积极的。是否可以手动将词或词组合在一起，并决定如何在情感分析中分析它们？
我已经找到了一种使用词性标注和链接对单词进行分组的方法，但是这结合了标签或多词表达式，并且在情感分析中不一定正确地提取它们。
当前代码(使用POS标记)：
from nltk.corpus impor
浏览 3提问于2022-02-01得票数 0
1回答
当试图安装gensim (使用pip安装和安装安装)时，它会给出以下错误：
Traceback (most recent call last):
File "setup.py", line 19, in <module>
import ez_setup
File "C:\Users\User\Desktop\gensim-0.8.7\ez_setup.py", line 106
except pkg_resources.VersionConflict, e:
浏览 0提问于2013-10-22得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
云直播活动推荐
腾讯云开发者
