最终目标是让classifier = nltk.NaiveBayesClassifier.train(-placeholder-)
运行。
目前,我有:
for i in range(0, len(p)):
.....
qq = add_lexical_features(bi_dist, feature_vector)
qq
这是我的字典。现在,我需要添加单词"positive"
并将其与下一次循环生成的qq
结合起来。问题是,我真的不知道元组是如何工作的。感谢。
以下是添加了标签(" neg")的一个qq字典的示例。
({' unigram:long':1,' unigram:ve_2':0.003372681281618887,' unigram:beholder_1':0.0016863406408094434,' unigram: good_3':0.00505902192242833,' unigram:unit_1':0.0016863406408094434,' unigram:mireniamu_1':0.0016863406408094434},' neg')]
答案 0 :(得分:1)
python中的元组使用和访问非常简单。对于大多数用途,它们就像列表一样工作
# create some simple tuples.
a = ('A', 1)
b = ('B', 2)
# Reading tuples. Access the elements with []
print a[0] # 'A'
print b[1] # 2
print len(a) # 2
# tuples can be stored in your dict
qq['some-key'] = a
qq['another-key'] = b
print qq['some-key'][0]