我试图从一组给定的随机单词中找出一个单词的重要性。例如，我想知道“意外”是“男人，女人，意外”这个词中最重要的词。一个天真的解决方案是为每个单词获取WordNet深度，并根据单词深度的不相似性计算单词的重要性。该解决方案非常耗时，因为这需要n（n-1）次计算来产生最终的重要性。是否有更好的解决方案来处理这种情况？
答案 0 :(得分：2)
通常的做法是，一个词越不常见，它就越重要。
首先，选择代表您的问题域的语料库。然后对它运行一个字频率计数。您可以跳过这两组并使用预先制作的列表，例如http://en.wiktionary.org/wiki/Wiktionary:Frequency_lists例如http://en.wiktionary.org/wiki/Wiktionary:Frequency_lists/PG/2006/04/1-10000但是，制作单词频率是Python / NLTK中更容易做的事情之一。
第三步是找出每个输入字的频率，而最低频率的那个是最显着的。或者，如果输入到另一个步骤并且实数很有用，tf-idf会为您提供。
您可能希望首先规范化/干掉字词。这取决于您的申请。但是，如果你这样做，请确保你在生成阶段（即规范化你的语料库）和使用阶段（规范化你的输入）都这样做。
以下是一些示例，使用http://www.collinsdictionary.com/dictionary/english/man处的“Word使用趋势”框中的频率计数：
man 0.0289
woman 0.0149
walk 0.0064
shot 0.0049
accident 0.0048
幸运的是，这些数字与你给出的正确答案相符：意外和射击。