- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我正在学习 NLTK,并且有一个关于数据预处理和 MLE 模型的问题。目前我正在尝试使用 MLE 模型生成单词。问题是当我选择 n>=3 时。我的模型将完全正常地生成单词,直到它到达句点(“.”)。之后,它只会输出句末填充。
这本质上就是我正在做的事情。
tokenized_text = [list(map(str.lower, word_tokenize(sent)))
for sent in sent_tokenize(MYTEXTINPUT)]
n = 3
train_data, padded_sents = padded_everygram_pipeline(n, tokenized_text)
model = MLE(n)
model.fit(train_data, padded_sents)
model.generate(20)
# OUTPUT:
eg:
blah beep bloop . </s> </s> </s> </s> </s> </s> </s> </s> (continues till 20 words reached)
我怀疑问题的答案在于我的 n 元模型为模型准备的方式。那么有没有一种方法可以格式化/准备数据,以便例如生成三元组,如下所示 --> ( . , </s>, <s> )
这样模型就会尝试再次开始另一个句子并输出更多单词?
或者有其他方法可以避免上面写的问题吗?
最佳答案
如果你看the code for fitting the language model你可以看到其核心是什么fit()
所做的是根据 train_data
中的文档更新计数:
self.counts.update(self.vocab.lookup(sent) for sent in text)
但是,请注意,它一次更新一个句子的计数。每个句子都是完全独立的。该模型不知道该句子之前发生了什么,也不知道该句子之后发生了什么。另外,请记住,您正在训练三元组模型,因此每个句子中的最后两个单词是 ('</s>', '</s>')
。因此,模型了解到 '</s>'
接下来是 '</s>'
概率非常高,但它永远不会知道 '</s>'
有时后面可以是 '<s>'
.
因此,解决问题的最简单方法就是每次看到 generate()
时手动开始一个新句子(即再次调用 '</s>'
)。 。但假设您不想这样做,并希望模型一次性生成多个句子。
来自docstring for padded_everygram_pipeline
:
Creates two iterators:
- sentences padded and turned into sequences of `nltk.util.everygrams`
- sentences padded as above and chained together for a flat stream of words
与 train_data
非常不同, padded_sents
确实包含您的所有句子作为单个条目:
>>> tokenized_text= [['this', 'is', 'sentence', 'one'],
['this', 'is', 'sentence', 'two']
]
>>> train_data, padded_sents = padded_everygram_pipeline(n, tokenized_text)
>>> padded_sents = list(padded_sents) #we need to do this because padded_sents is a generator and can only be gone through once
>>> print(padded_sents)
['<s>', '<s>', 'this', 'is', 'sentence', 'one', '</s>', '</s>', '<s>', '<s>', 'this', 'is', 'sentence', 'two', '</s>', '</s>']
>>> model = MLE(n)
>>> model.fit(padded_sents, padded_sents) #notice that I'm not using train_data
好消息:我们现在有一个 '<s>'
的示例关注'</s>'
。坏消息:包含两个不同句子的 ngram 的唯一可能的三元组是 ('</s>', '</s>', '<s>')
和('</s>', '<s>', '<s>')
。所以generate现在应该生成多个句子,但这些句子的内容仍然是完全独立的。
如果你想让前一句的内容影响下一句的内容,事情就开始变得复杂了。您可以将语料库作为一系列段落(每个段落包含多个句子)传递给模型,而不是将其作为一系列句子传递给模型:
tokenized_text = [['this', 'is', 'sentence', 'one', '.', 'this', 'is', 'sentence', 'two', '.'],
['this', 'is', 'a', 'second', 'paragraph', '.']
]
这可行,但现在 '<s>'
和'</s>'
不是指句子的开始和结束,而是指段落的开始和结束。并且生成的段落仍然是相互独立的。您还可以将其扩展为生成一系列段落或整本书,而不是段落。这在某种程度上取决于什么最适合您的任务。
关于python - NLTK MLE 模型澄清三元组及更多,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60295058/
可不可以命名为MVVM模型?因为View通过查看模型数据。 View 是否应该只与 ViewModelData 交互?我确实在某处读到正确的 MVVM 模型应该在 ViewModel 而不是 Mode
我正在阅读有关设计模式的文章,虽然作者们都认为观察者模式很酷,但在设计方面,每个人都在谈论 MVC。 我有点困惑,MVC 图不是循环的,代码流具有闭合拓扑不是很自然吗?为什么没有人谈论这种模式: mo
我正在开发一个 Sticky Notes 项目并在 WPF 中做 UI,显然将 MVVM 作为我的架构设计选择。我正在重新考虑我的模型、 View 和 View 模型应该是什么。 我有一个名为 Not
不要混淆:How can I convert List to Hashtable in C#? 我有一个模型列表,我想将它们组织成一个哈希表,以枚举作为键,模型列表(具有枚举的值)作为值。 publi
我只是花了一些时间阅读这些术语(我不经常使用它们,因为我们没有任何 MVC 应用程序,我通常只说“模型”),但我觉得根据上下文,这些意味着不同的东西: 实体 这很简单,它是数据库中的一行: 2) In
我想知道你们中是否有人知道一些很好的教程来解释大型应用程序的 MVVM。我发现关于 MVVM 的每个教程都只是基础知识解释(如何实现模型、 View 模型和 View ),但我对在应用程序页面之间传递
我想realm.delete() 我的 Realm 中除了一个模型之外的所有模型。有什么办法可以不列出所有这些吗? 也许是一种遍历 Realm 中当前存在的所有类型的方法? 最佳答案 您可以从您的 R
我正在尝试使用 alias 指令模拟一个 Eloquent 模型,如下所示: $transporter = \Mockery::mock('alias:' . Transporter::class)
我正在使用 stargazer 创建我的 plm 汇总表。 library(plm) library(pglm) data("Unions", package = "pglm") anb1 <- pl
我读了几篇与 ASP.NET 分层架构相关的文章和问题,但是读得太多后我有点困惑。 UI 层是在 ASP.NET MVC 中开发的,对于数据访问,我在项目中使用 EF。 我想通过一个例子来描述我的问题
我收到此消息错误: Inceptionv3.mlmodel: unable to read document 我下载了最新版本的 xcode。 9.4 版测试版 (9Q1004a) 最佳答案 您没有
(同样,一个 MVC 验证问题。我知道,我知道......) 我想使用 AutoMapper ( http://automapper.codeplex.com/ ) 来验证我的创建 View 中不在我
需要澄清一件事,现在我正在处理一个流程,其中我有两个 View 模型,一个依赖于另一个 View 模型,为了处理这件事,我尝试在我的基本 Activity 中注入(inject)两个 View 模型,
如果 WPF MVVM 应该没有代码,为什么在使用 ICommand 时,是否需要在 Window.xaml.cs 代码中实例化 DataContext 属性?我已经并排观看并关注了 YouTube
当我第一次听说 ASP.NET MVC 时,我认为这意味着应用程序由三个部分组成:模型、 View 和 Controller 。 然后我读到 NerdDinner并学习了存储库和 View 模型的方法
Platform : ubuntu 16.04 Python version: 3.5.2 mmdnn version : 0.2.5 Source framework with version :
我正在学习本教程:https://www.raywenderlich.com/160728/object-oriented-programming-swift ...并尝试对代码进行一些个人调整,看看
我正试图围绕 AngularJS。我很喜欢它,但一个核心概念似乎在逃避我——模型在哪里? 例如,如果我有一个显示多个交易列表的应用程序。一个列表向服务器查询匹配某些条件的分页事务集,另一个列表使用不同
我在为某个应用程序找出最佳方法时遇到了麻烦。我不太习惯取代旧 TLA(三层架构)的新架构,所以这就是我的来源。 在为我的应用程序(POCO 类,对吧??)设计模型和 DAL 时,我有以下疑问: 我的模
我有两个模型:Person 和 Department。每个人可以在一个部门工作。部门可以由多人管理。我不确定如何在 Django 模型中构建这种关系。 这是我不成功的尝试之一 [models.py]:
我是一名优秀的程序员,十分优秀!