树状图原型语篇生成器
DPD的Python项目详细描述
树状图原型语篇分析
根据[Harris，1954]和[Rubenstein and Goodenough，1965]，自然语言中的单词是在语言环境（如句子、段落）中构造的，在这种情况下，具有相似含义的单词往往共享相似的上下文。这一假设被称为分布假设，它表明一个语料库通常由各种话语语境构成，每一个语境都是一组扩展的语言环境，传达相似/相关的概念和话题。尽管这一理论出现于1954年的语言学领域，但最近在许多其他领域，如认知科学（如[McDonald and Ramscar，2001]）和自然语言处理（如[Mikolov et al.，2013a]）受到了越来越多的关注。这个假设是我们方法的基本原则。我们的方法旨在将一个大的语料库建模为一组所谓的dp语篇，然后将它们作为典型的演讲进行研究。要做到这一点，核心步骤是建立一个共享相似的非草书上下文的单词群。这是通过字嵌入和子空间聚类实现的，但也可以使用其他数据挖掘技术。然后，采用层次聚类算法，将簇内词表示为树状图原型语篇（dp语篇）。最后，dp语篇表现出足够的可理解性，可以用charaudeau的方法进行研究，也可以用其他的语篇分析方法进行分析。
安装
安装生成器的最简单方法是使用python的包安装程序pip。
键入命令：
pip install DPD
教程
查看jupyter笔记本教程tutorials/tutorial1.ipynb了解基本用法说明
许可证
本项目属于GNU通用公共许可（2007年6月29日第3版）
欢迎加入QQ群-->： 979659372
