如何使用“BigramCollocationFinder”查找“Bigrams”？

Question

我正在研究使用 python 构建编译器，我正在尝试创建文本中所有小写单词的列表，然后生成BigramCollocationFinder，我们可以使用它来查找双连词，它们是成对的单词。

这些二元组是使用 nltk.metrics 包中的关联测量函数找到的。

我正在从“Python 3 Text Processing with NLTK 3 Cookbook”练习，我发现了这个示例代码：

from nltk.corpus import webtext
from nltk.collocations import BigramCollocationFinder
from nltk.metrics import BigramAssocMeasures
words = [w.lower() for w in webtext.words('grail.txt')]
bcf = BigramCollocationFinder.from_words(words)
bcf.nbest(BigramAssocMeasures.likelihood_ratio, 4)

我被困在：

bcf.nbest(BigramAssocMeasures.likelihood_ratio, 4)
likelihood_ratio, 4

这里指的是相似度，或者在这段代码中是什么意思。

我们将非常感谢您对此事的任何指导。

Answer 1

我相信NLTK collocations for specific words 应该会回答您的问题。它首先计算 PMI，然后返回在您的语料库中出现频率最高的前 4 个单词。