NLTK在一个分类器中有多个功能集？

Question

在NLTK中，使用朴素的贝叶斯分类器，我从例子中知道它非常简单地使用“词袋”方法并寻找unigrams或bigrams或两者。你可以使用两套完全不同的功能吗？

例如，我可以使用unigrams和训练集的长度（我知道这里曾经提到过一次）吗？但对我来说更感兴趣的是文件中出现的bigrams和“bigrams”或POS的组合？

这是否超出了基本NLTK分类器的功能？

由于 亚历

Answer 1

NLTK分类器可以使用任何键值字典。我使用{"word": True}进行文本分类，但您也可以使用{"contains(word)": 1}来实现相同的效果。您还可以将许多功能组合在一起，这样就可以{"word": True, "something something": 1, "something else": "a"}。最重要的是您的功能是一致的，因此您始终拥有相同类型的键和一组固定的可能值。可以使用数字值，但分类器对它们并不聪明 - 它会将数字视为离散值，因此99和100与1和100不同。如果您希望以更智能的方式处理数字，那么我建议使用scikit-learn分类器。