双字母组的频率分布

Question

我做了以下事情

import nltk


words = nltk.corpus.brown.words()
freq = nltk.FreqDist(words)

并且能够找到棕色语料库中某些词的频率，比如

freq["the"]
62713

但现在我希望能够找到特定二元组的频率分布。然后我尝试了

bigrams = nltk.bigrams(words)
freqbig = nltk.FreqDist(bigrams)

但是我输入的每个二元组，我总是得到 0。比如，

freqbig["the man"]
0

我做错了什么？

Answer 1

它接受 tuple 作为键，而不是 str:

freqbig[("the", "man")]

输出

128

如果你想传递字符串，你可以创建一个辅助函数来处理它：

def get_frequency(my_string):
    return freqbig[tuple(my_string.split(" "))]