如何在Perl Text :: Ngrams中获取所有ngrams的数组

时间:2013-05-07 07:37:01

标签: perl n-gram

如您所知,Perl中的模块Text::Ngrams可以进行Ngrams分析。有以下功能可以检索Ngrams和频率数组。

get_ngrams(orderby=>'ngram|frequency|none',onlyfirst=>NUMBER,out=>filename|handle,normalize=>1)

但它只给出了最后的Ngrams。 例如,以下代码不同时给出Uni-Gram和Bi-Gram:

my $ng3 = Text::Ngrams->new( windowsize => 2, type=>'byte');
my $text = "test teXT TESTtexT";

$text =~ s/ +/ /g; # replace multiple spaces to single
$text = uc $text; # uppercase all

$ng3->process_text($text);
my @ngramsarray = $ng3->get_ngrams(orderby=>'frequency', onlyfirst=>10, normalize=>0 );
foreach(@ngramsarray)
{
    print "$_\n";
}

输出:

T E
4
E X
2
_ T
2
E S
2
S T
2
X T
2
T _
2
T T
1

但是使用功能

to_string(orderby=>'ngram|frequency|none',onlyfirst=>NUMBER,out=>filename|handle,normalize=>1,spartan=>1)

它显示了两个Ngrams。但只有它显示结果。我需要一个数组中的结果。

如何通过此阵列同时获取所有Ngrams(Unigram和Bigram)?

1 个答案:

答案 0 :(得分:0)

您无法在同时获得所有不同大小的n-gram,但您可以使用多次调用get_ngrams来获取所有n-gram。有一个未记录的参数nget_ngrams,表示您想要列出的n-gram的大小。

在您的代码中,如果您说

my @ngramsarray = $ng3->get_ngrams(
  n => 1,
  orderby = >'frequency',
  onlyfirst => 10,
  normalize => 0);

你得到这个清单

('T', 8, 'E', 4, 'X', 2, '_', 2, 'S', 2)