gpt4 book ai didi

r - 如何使用整洁的文本使用二元组和三元组

转载 作者:行者123 更新时间:2023-12-01 23:37:49 25 4
gpt4 key购买 nike

我正在尝试使用 tidytext 同时使用二元组和三元组。我可以使用什么代码让 token 查找 2 和 3 个单词。

这是仅使用二元组的代码:

library(tidytext)
library(janeaustenr)

austen_bigrams <- austen_books() %>%
unnest_tokens(bigram, text, token = "ngrams", n = 2)

austen_bigrams

最佳答案

如果您查看 ?unnest_tokens,它会告诉您 ... 用于传递给标记生成器的参数。对于 ngrams,这就是 tokenizers::tokenize_ngrams,如果你查看它的帮助页面,它有一个 n_min 参数,所以你可以这样做

library(magrittr)
library(tidytext)
library(janeaustenr)

austen_bigrams <- austen_books() %>%
head(1000) %>% # otherwise this will get very large
unnest_tokens(bigram, text, token = "ngrams", n = 3, n_min = 2)

austen_bigrams
#> # A tibble: 19,801 x 2
#> book bigram
#> <fctr> <chr>
#> 1 Sense & Sensibility sense and
#> 2 Sense & Sensibility sense and sensibility
#> 3 Sense & Sensibility and sensibility
#> 4 Sense & Sensibility and sensibility by
#> 5 Sense & Sensibility sensibility by
#> 6 Sense & Sensibility sensibility by jane
#> 7 Sense & Sensibility by jane
#> 8 Sense & Sensibility by jane austen
#> 9 Sense & Sensibility jane austen
#> 10 Sense & Sensibility jane austen 1811
#> # ... with 19,791 more rows

关于r - 如何使用整洁的文本使用二元组和三元组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45663519/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com