有人可以解释 BigramAssocMeasures.chi_sq 的语法吗？

Question

我正在使用 NLTK 的 BigramAssocMeasures.chi_sq 来找出不同类别的单词提供的信息内容。但是我无法弄清楚如何向这个函数提供数据。

NLTK 的定义说 """使用卡方对二元组进行评分，即 phi-sq 乘以二元组的数量，如 Manning 和 Schutze 5.3.3 中所示。 """ 返回 n_xx * cls.phi_sq(n_ii, (n_ix, n_xi), n_xx)

n_ii, (n_ix, n_xi), n_xx 代表什么？

Answer 1

我找到了以下解释来源：

• text classification for sentiment analysis
• python code search - nullege - samples for chi_sq
• python code search - nullege - explanation of BigramAssocMeasures

第一个来源解释了该主题及其在情感分析中的应用以及 Python 代码。第二个来源提供了更多的代码示例。第三个来源包含您想要的解释：

参数构成列联表的边缘， 计算语料库中特定事件的发生次数。信 后缀中的 i 是指所讨论的单词 w 的出现， 而 x 表示任何单词的出现。因此，例如：：

n_ii counts (w1, w2), i.e. the bigram being scored
n_ix counts (w1, *)
n_xi counts (*, w2)
n_xx counts (*, *), i.e. any bigram

这可以相对于列联表显示::

        w1    ~w1
     ------ ------
 w2 | n_ii | n_oi | = n_xi
     ------ ------
~w2 | n_io | n_oo |
     ------ ------
     = n_ix        TOTAL = n_xx

我希望这项研究有所帮助。