我想取这个带标签的文本(格式是这样的)并找出每个句子中pos-tag-DT的平均频率。例如DT在第1句中出现1/3个单词,在第2个句子中出现1/3个单词。然后我想把这些加起来,除以课文中的句子数(这里是2)。这将给出每句话DT的平均外观。在
from collections import Counter
import nltk
tagged_text = [('A', 'DT'), ('hairy', 'NNS'), ('dog', 'NN')]
[('The', 'DT'), ('mischevious', 'NNS'), ('elephant', 'NN')]
for eachSentence in tagged_text:
Counter(tag for word,tag in tagged)/len(eachsentence.split())
total = sum(counts.values())
float(average) = sum(counts.values())/len(tagged_text.sents())
print(float(average))
对我来说最大的问题是每件事我都不知道该怎么做(我不知道如何定义它是什么)。我希望这段代码能够应用于数百个具有相同格式的句子。我知道代码有很多问题,所以如果有人能纠正它们,我将非常感激。在
我也不太清楚你在找什么。也许你应该试着在把你的想法/需求放到代码中之前(在你的头脑里/在纸上)再把它组织起来。 根据您的描述和代码,我可以想到两个您想要的数字,可以通过以下方式获得:
导致
^{pr2}$这三个标记都出现在两个句子中,所以它出现在一个句子中的可能性是1。所有三个标记都出现两次(总共六个),因此它们出现的可能性为1/3(与句子分布无关)。 但话说回来,我不确定这是不是你要找的。在
相关问题 更多 >
编程相关推荐