Question

我正在NLTK Python中学习一门课程，该课程在“文本语料库”上存在动手问题（在Katacoda上），并且不接受下面提到的我的解决方案。长期以来一直困扰于此问题。需要完成此动手操作才能继续进行序言。

问题定义：

导入就职语料库对于每个就职地址文本   在语料库中可用，请执行以下操作。将所有单词转换成   小写。然后确定以美国开头的单词数   或公民。

提示：计算条件频率分布，其中条件是就职地址交付的年份，事件是   美国或公民。存储条件频率   分布在变量ac_cfd中。

在[1841年]中打印单词['america'，'citizen']的频率，   1993]。

提示：利用与条件频率分布相关的列表方法。

为此，我写了以下解决方案：

ac_cfd = nltk.ConditionalFreqDist((target, fileid[:4]) 
for fileid in inaugural.fileids() 
for w in inaugural.words(fileid) 
for target in ['america', 'citizen'] 
if w.lower().startswith(target))
ac_cfd.tabulate(conditions=['america', 'citizen'], samples=['1841', '1993'])

给出输出：

          1841 1993 
american     7   14  
citizen     38    2

虽然我确实发现了一个类似的问题，想要绘制条件频率分布图，但我并没有在相同的论坛上找到相同的问题，但是他们的解决方案与我的解决方案相同，只是有一个不同的地方，而不是将他们绘制的图表汇总在一起。（https://www.nltk.org/book/ch02.html）但是Katacoda不接受此解决方案，并且由于必须完成动手操作，因此我无法在课程中继续前进。请帮助

Answer 1

使用以下代码。它在Katacoda上对我有用。问题是它要求以美国和公民开头的单词，因此我将其切成7个字符。

import nltk

from nltk.corpus import inaugural

ac_cfd = nltk.ConditionalFreqDist([(fileid[:4],word.lower()[:7]) 
                                   for fileid in inaugural.fileids() 
                                   for word in inaugural.words(fileid)
                                  ])

print(ac_cfd.tabulate(conditions =['1841', '1993'],  samples=['america', 'citizen'] ))



   america citizen 
1841       7      38    
1993      33       2

Answer 2

ac_cfd = nltk.ConditionalFreqDist(
    [(fileid[:4], target) for fileid in inaugural.fileids() for w in inaugural.words(fileid) for target in
     ['america', 'citizen'] if w.lower().startswith(target)])

ac_cfd.tabulate(conditions=['1841', '1993'], samples=['america', 'citizen'])

问题是在[1841，1993]年打印['america'，'citizen']单词的出现频率，但是您却做相反的事情，因此它没有被接受。

需要Python NLTK就职文本语料库动手解决方案

2 个答案: