软件安装

P18

• Python 3.8.2 https://www.python.org/
• pip pipenv
• NLTK、NLTK-Data pip install nltk http://www.nltk.org/install.html
• NumPy pip install numpy
• Matplotlib pip install matplotlib
• NetworkX pip install networkx
• Prover9

1.1 语言计算：文本和单词

IDLE(Interactive DeveLopment Environment) 交互式开发环境

• python语法：
  • 幂次方运算2 的 4 次方 2**4
  • 单引号与双引号均可表示字符串： 'sssss' 与 "sssss"
  • 进行精确（浮点）除法 from __future__ import division

>>> 3/4
0.75
>>> 3//4
0

• 搜索文本
  • text1.concordance('monstrous') concordance: 一致
  • text1.similar('monstrous')
  • text2.common_contexts(['monstrous', 'very']) [ ]中可以有多个词汇，无共同上下文时返回 not found
• 离散图：
  • 需要安装 NumPy
  • text4.dispersion_plot(['citizens', 'democracy', 'freedon', 'duties', 'America'])
• 生成文本:
  • text3.generate()
• 计数词汇
  • 单词和标点符号均是标识符，统计时会把标点符号也计入数据
  • len(text3)
  • from __future__ import division
  • len(text3) / len(set(text3)) 每个词汇平均使用次数
  • text3.count('smote')
  • 100 * text4.count('a') / len(text4) a 的出现频率百分比
• 命名函数

>>> def lexical_diversity(text): 
... 	return len(text)/ len(set(text)) 
...
>>> def percentage(count, total): 
... 	return 100 * count / total

1.2 近观 Python：将文本当做词链表

• 链表

  • sent1 = ['Call', 'me', 'Ishmael', '.']
  • [‘a’, ‘b’, ‘c’] 将文本以链表形式存储，可以查阅、作为函数参数
  • 可以做加法、乘法运算等 sent1+sent2 sent1 = (sent1 + ' ' ) * 3
  • 追加： sent1.append('Some')

• 索引列表

  • text4[173]
  • 找索引： text4.index('awaken')
  • text5[16715:16735]
  • text5[0:9] 前闭后开区间，包含 0~8位共9个元素
  • text5[-2:] 倒数2个元素

• 字符串

  • 以空格串接 ' '.join(['Monty', 'Python'])
  • 按空格进行分割 'Monty Python'.split()

1.3 计算语言：简单的统计

习题答案

https://blog.csdn.net/qq_36303924/article/details/81025423