我正在尝试使用来自语料库的nltk提取搭配，然后将它们的出现用作scikit-learn分类器的特征。 不幸的是我对nltk并不熟悉，我也没有看到一个简单的方法。 我到目前为止：
BigramCollocationFinder提取搭配nltk.bigrams）并检查它们是否是其中一个搭配TfidfVectorizer 这对我来说似乎过于复杂。此外，还有一个问题是，BigramCollactionFinder有一个window_size参数，用于跨越单词的双字母组。标准nltk.bigrams提取不能做到这一点。
克服这种情况的一种方法是为每个文档实例化一个新的BigramCollocationFinder并再次提取bigrams并将它们与我之前找到的那些匹配......但同样，这似乎有点复杂。 当然，有一种更容易的方法，我忽略了。
感谢您的建议！
答案 0 :(得分：3)
larsmans已经为简单的非搭配功能提供了NLTK / scikit-learn特征映射器。这可能会为您自己的问题提供一些灵感：