将单词列表转换为频率字典的最佳方法
最佳方法是将单词列表转换为频率字典，可以采用以下步骤：
- 遍历单词列表，将每个单词转换为小写字母，并去掉空格和标点符号。
- 使用字典结构来存储每个单词及其出现次数。可以使用哈希表或字典来实现。
- 遍历单词列表，如果单词在字典中存在，则将其出现次数加1，否则将其添加到字典中，并将出现次数设置为1。
- 返回字典，即为频率字典。
以下是一个示例代码：
def convert_to_frequency_dict(word_list):
# 遍历单词列表，将每个单词转换为小写字母，并去掉空格和标点符号
word_list = [w.lower().replace(" ", "").strip(",.!?") for w in word_list]
# 使用字典结构来存储每个单词及其出现次数
word_count = {}
# 遍历单词列表，如果单词在字典中存在，则将其出现次数加1，否则将其添加到字典中，并将出现次数设置为1
for word in word_list:
if word in word_count:
word_count[word] += 1
else:
word_count[word] = 1
# 返回字典，即为频率字典
return word_count这个函数可以将一个包含单词的列表转换为频率字典，其中每个单词都被表示为一个键，其出现次数被表示为一个值。
相关·内容
4回答
如何有效地搜索有序列表？
、、、
我有一个函数可以预测输入的单词，并以数组的形式返回可能性。不幸的是，这些不是按使用频率排序的。所以我有一个10K有序单词的列表，按频率从高到低排列。比较数组和有序列表中的单词以返回最频繁的单词的有效方法是什么？(即它首先遇到的那个？)
我的一个朋友告诉我使用二叉树，但我真的看不出这对我有什么帮助。根据我对的理解，只能使用数值。我这样想是错的吗？有没有更好的方法来完成上面提到的任务？
提前感谢
浏览 0提问于2015-08-17得票数 1
4回答
字的字母频率
、、
所以我有算法问题。假设，我们有一个单词，单词中的所有字母都必须按照它们出现的频率进行排序，从最频繁的字母开始。例如。“假设”将类似于"ppSsuoe“或"Ssppoeu”等等。
我想我应该把单词加到列表中，找到相同的字母，计算出我有多少相同的字母，并把它附加到列表的开头，只有匹配的字母可以随机打印。
但是，在逐字逐句地列出之后，我不知道该怎么办。如何找到相同的字母？如何对它们进行排序并附加到单词的开头？我应该使用临时列表吗？或者我应该用键:值字典？
name = 'Suppose'
list = []
for letter in name:
li
浏览 6提问于2017-04-08得票数 0
回答已采纳
我有一个由标记化文本组成的列表列表。列表长度约为1.200.000个文本。此列表的示例如下所示： texts = [
['hi', 'how', 'are', 'you'],
['i', 'am', 'fine', 'thank', 'you'],
... 我正在尝试为每个列表删除出现在另一个列表中的单词。这是一个由大约90.000个单词组成的列表，它似乎是下一个： removing_words = [
浏览 5提问于2020-12-14得票数 0
我有一个python列表A和一个以单词作为列表元素的python列表B。我需要检查列表B中的列表元素被包含在列表A中的频率。有python方法吗?或者我如何高效地实现这个方法？
python intersection方法只告诉我列表B中的一个列表元素出现在列表A中，而不是告诉我它出现的频率。
浏览 0提问于2019-01-28得票数 0
3回答
在任何机器学习算法中，使用单词本身作为特征的最佳方法是什么？
问题是我必须从特定段落中提取与单词相关的特征。我应该使用字典中的索引作为数字特征吗？如果是这样的话，我将如何将这些标准化？
通常，单词本身在NLP中是如何用作功能的？
浏览 0提问于2010-11-18得票数 6
回答已采纳
我正在自学基本密码学。在此过程中，我创建了一个基于单个字母表的简单替换密码，以及一个静态定义的偏移量(目前没有键)。既然一切都正常，我想开始另一个应用程序来“破解”偏移量。这里的关键是我的密码删除了所有的空格，所以我无法判断单个单词的长度。
为了解决这个问题，我想使用正则表达式。然后，我将获取部分(可能)破译的消息，并查询一个单词列表，以确定单词从何处开始和结束。
这是个好办法吗？
我知道在我的简单密码中只有26种偏移的可能性。但是，我想以编程的方式找到答案。
浏览 0提问于2013-12-04得票数 0
我把它命名为"AI方式“，因为我想让应用程序在没有人与人交互的情况下玩挂人游戏。
情况如下：
一个可用的单词列表，其中将包含数十万个英文单词。
应用程序将从列表中选择一定数量的单词，例如20个单词。
应用程序对每个单词进行Hangman游戏，直到获胜或失败为止。这里的限制是最大错误的猜测。26显然是没有意义的，让我们假设6是最大错误的猜测。
我尝试了在上提到的策略，但效果并不好。基本成功率约为30%。
对于战略和我应该挖掘的领域有什么建议/评论，以找到一个公平的好策略？
非常感谢。
-Simon
PS:一个看起来相当不错的JavaScript实现。()
浏览 6提问于2012-02-09得票数 8
回答已采纳
1回答
基于值的排序
、、
我需要根据下面所实现的频率计数对单词进行排序。
对停止词进行清洗后分割单词：
words=Counter([item for sublist in m.split('\W+') for item in word_tokenize(sublist)])
频率计数：
wordsFreq=['%s: %d' %(x, words[x]) for x in words]
产出：
["limited: 1", "desirable: 1", "advices: 1","new: 8", "net: 5
浏览 1提问于2017-09-03得票数 0
回答已采纳
我想对葡萄牙语进行拼写修正，特别是针对餐厅机器人。问题是，食品名称并不总是葡萄牙语，因此最有可能需要纠正，因为用户并不总是知道如何拼写正确。
我想了几件事。例如：
用葡萄牙语单词+食物单词拼写错误来训练模型，但是很难找到这些食物词
为几种不同的语言训练模型(但我想这会使它混淆，并且实际上纠正了许多错误)。
用葡萄牙语单词训练模型，对于食物单词，使用一些能挑选用户写的单词的东西，并试图将它们近似于食物单词的列表。(不是很慢吗？)
什么是解决这个问题的好办法，它可以快速地应用于大量请求？
浏览 0提问于2018-04-22得票数 2
回答已采纳
我的问题有点类似于，但现在是一样的。
我有一个文本字段，里面有单词。在我的语言中，word可以有许多不同的结尾。我需要找到这个结尾。
我使用mysql的全文搜索，但我需要有权访问索引数据库中的所有字段是“剪切”到单词和单词计数。然后我可以搜索"test*“，我可以很快找到"test"，”test“，”test“。我需要在我的数据库中存在的所有人的名单，这是我的主要目标。
实际上，我可以获得包含特定"test*“单词的记录，但我不仅需要定位字段中出现的单词，还需要以某种方式分组，这样我就可以获得所有单词的列表，例如以"test”开头的单词。我不需要它们在哪
浏览 3提问于2011-04-19得票数 0
回答已采纳
1回答
我使用来自维基百科转储的数据构建了泰米尔语的语言模型，使用工具CMUCLMTK.Now，我如何生成光子转录并在model.The维基文章()中替换它们()说要替换转录而不是单词.What我现在应该做什么？
浏览 1提问于2015-09-18得票数 0
我在一个名为270,000+的变量中存储了英语字典中所有单词的列表( theList单词)。我有一个加扰词word，我想通过匹配单词列表来解读它。最初，我认为下面的代码会起作用，但效果不太好。
var theList; // Contains all the words in the English dictionary.
var word = "iexospensr"; // The word I want to unscramble.
var matches = word.match(new RegExp("^["+word+"]{"+w
浏览 13提问于2011-05-07得票数 4
回答已采纳
1回答
我有两个频率列表与数千个元素，而我也有2个较小的列表与少数元素。我的想法是，我需要检查我的小列表中每个元素出现在频率列表中的次数，并对它们进行比较，最后在一个使用熊猫包的表格中显示我的发现。
频次表：
pos_freqdist = FreqDist(get_all_words(pos_train))
neg_freqdist = FreqDist(get_all_words(neg_train))
这就是pos_freqdist目前打印的内容(它不只是打印所有肯定的单词，而是计算包含在正面评论中的单词的频率)：
FreqDist({'the': 6737, '.'
浏览 0提问于2018-11-26得票数 0
我目前正在开发一个用Java编写的Android单词游戏，它需要一些拼写检查方法来检查玩家创建的单词是否正确。我有一个完整的正确单词列表(波兰语)保存在文本文件(*.txt)，但它是巨大的，因为它包含近3百万字和大小为35 MB。我做了一些研究，发现保存这些数据的最佳结构是，因为它的空间和时间都很有效。
我的问题是如何在运行时之前从我的巨大文本文件中创建三元搜索树结构？它不能在运行时执行，因为它将花费很长时间，我将耗尽内存(我已经尝试过了，只是出于好奇，它将崩溃的方式)。因此，我认为最好的方法是在编译之前创建这样的结构，并将其作为某种资源添加到项目中，但不幸的是，我不知道如何做到这一点。如果这
浏览 3提问于2013-10-01得票数 0
给定一个单词列表和一个最多包含P个字母的字母表，我们如何选择覆盖最多单词的最优字母表？
例如:给定带有P=1的单词"aaaaaa“"bb”"bb“，最佳字母表是"b”，因为"b“覆盖了两个单词。
另一个例子:给定带有P=4的单词"abmm“"abaa”"mnab“"bbcc”"mnnn“，最佳字母表是"abmn"，因为这涵盖了5个单词中的4个。
有没有已知的算法，或者有人能建议一个算法来解决这个问题？
浏览 0提问于2014-10-11得票数 11
4回答
计算大文本文件的字频
、、、、
我有一个巨大的文本文件(大于可用的RAM内存)。我需要计数所有单词的频率，并将单词和频率计数输出到一个新文件中。结果应按频率计数的降序排序。
我的方法：
对给定的文件进行排序-外部排序
依次计数每个单词的频率，将计数存储在另一个文件中(与单词一起)
根据频率计数-外部排序对输出文件进行排序。
我想知道是否有更好的方法来做到这一点。我听说过基于磁盘的哈希表吗？或者B+树，但从来没有试过。
注意:我也见过类似的问题，但他们中没有人需要用内存以外的数据来解决这个问题。
编辑:根据评论，同意词典在实践中应该适合今天的计算机记忆。但让我们拿一本假想的辞典，这是足够大，不适合在记忆中。
浏览 9提问于2013-02-07得票数 5
回答已采纳
2回答
我有一个关于10^5英语单词的列表，以及它们的初始频率。我想要写一个单词完成建议程序，它将返回一个最大的k单词列表，从一个给定的前缀开始，按其频率的降序排序。数据结构还应该能够将单词的频率计数更新为1(每当使用一个单词时)。
例如，给定'engin‘作为前缀和k = 3，它应该返回这样的列表- {17，"engine"}，{10，"engineer"}，{4，"engineering"} }
k的值应该在1，15以内。
如果按频率排序不是问题，那么Trie数据结构就应该足够了，但事实是这样的。有人能提示我任何数据结构或解决这个问题的方法吗
浏览 4提问于2014-09-29得票数 0
1回答
我对词干提取和词汇化的了解如下：
词干-将单词转换成不变的部分；有趣，有趣- amus
词汇化-将单词转换为字典形式；有趣，娱乐-娱乐
我可以理解为什么要使用词汇化。但是我不知道做词干背后的目的是什么？你能解释一下吗？
浏览 5提问于2020-01-23得票数 2
1回答
屏幕截图
我正在用另一个列表(1)的频率排序更新单词列表(2)。代码是为列表1中的每个条目设计的，遍历列表2并将频率排序添加到列表中的每个相同条目中。如果我将列表限制为每个条目中的几个条目，它的工作原理与预期完全一致，但列表相当大。列表1包含55.000单词，列表2包含18.000单词。是否有办法防止代码崩溃，或者以更有效的方式重写代码？我相信这是远远不理想的，因为我是一个完全的新手在VBA。我会粘贴下面的代码。
非常感谢
Option Explicit
Sub CorrectFrequencyData()
Dim Frequency As Double
Dim CurrentLo
浏览 1提问于2016-01-29得票数 0
回答已采纳
2回答
我有一个问题要帮助简化我的程序。因此，我有这个文件text.txt，在它中，我想查看它，并将它与单词列表words进行比较，每次找到单词时，它都会将1添加到一个整数中。
words = ['the', 'or', 'and', 'can', 'help', 'it', 'one', 'two']
ints = []
with open('text.txt') as file:
for line in file:
for part
浏览 5提问于2015-06-07得票数 4
回答已采纳
5回答
我正在为实践做一个编程挑战，并且很难找到一个很好的数据结构/算法来实现一个解决方案。
背景：
如果您可以通过添加、删除或更改单个字母将一个单词改为另一个单词，请调用两个单词“相邻”。
“单词列表”是连续单词相邻的唯一单词的有序列表。
问题：
编写一个程序，以两个单词作为输入，遍历字典，并在它们之间创建一个单词列表。
示例：
hate → love: hate, have, hove, love
dogs → wolves: dogs, does, doles, soles, solves, wolves
man → woman: man, ran, roan, rom
浏览 2提问于2013-04-19得票数 14
回答已采纳
5回答
在实现带有单词建议的拼写检查器时，通常使用哪种算法？
起初，我认为检查输入的每个新词(如果在字典中找不到)与字典中每个其他单词的并返回前几个结果可能是有意义的。然而，这似乎是非常低效的，必须重复评估整个字典。
这通常是如何完成的？
浏览 0提问于2010-02-19得票数 118
回答已采纳
2回答
Python上的列表索引错误
、、、、
我正在编写一个程序，试图计算一个列表中重复次数最多的单词发生多少次。我一直收到一个错误，上面写着:索引错误。即使当我打印word_list的列表时，它也显示了108个元素。有人能为我指出错误的方向吗？
length = len(word_list)
num = 0
print(length)
while num <= length:
ele = word_list[num]
if ele in wordDict:
wordDict[ele] = wordDict[ele] +
浏览 3提问于2016-04-10得票数 1
回答已采纳
假设我有一个用换行符(\n)分隔短语的.txt文件
我把它们分成词组列表
["Rabbit eats banana", "Fox eats apple", "bear eats sanwich", "Tiger sleeps"]
我需要做的事情：
我需要做list of word objects，每个单词都应该有：
词组名称和频率(在phrases)list of it 中出现的次数
对于word eats，结果将为：
{'name':'eats', 'frequency': &
浏览 36提问于2018-07-28得票数 1
回答已采纳
通过对本课题的研究，我们可以找到作者使用“单词袋”模型进行图像分类/检索的论文，而其他人则使用“特征袋”模型来完成类似的任务。
虽然我对所涉及的方法有基本的理解(检测和提取视觉单词，建立视觉词典，使用机器学习来训练分类器)，但我仍然看不到这两种模型之间的区别。它们是同义词吗？也许我错过了具体的例子/文档，这些例子/文档显示了两者之间的区别.
浏览 6提问于2013-08-12得票数 3
我有一个需要对照英语词典检查的字符串列表。然而，我不想开始检查列表中的每一条胡言乱语。首先，我想检查字符串是否可能是一个英文单词。
有没有人知道这样做的算法，或者至少知道我需要应用的规则来验证一个单词？
例如：
任何口语单词都不能以3个以上的辅音开头，如果一个单词有3个声母，则第一个必须是"s“。
浏览 0提问于2011-07-21得票数 4
回答已采纳
5回答
我试图读取一个文本文件，然后打印出所有的单词，其中最常见的单词在顶部，随着列表的下降而减少。我有Python3.3.2。
def wordCounter(thing):
# Open a file
file = open(thing, "r+")
newWords={}
for words in file.read().split():
if words not in newWords:
newWords[words] = 1
else:
newWords[words] +=
浏览 15提问于2015-12-05得票数 1
回答已采纳
我尝试将一组字符串与已定义的一组字符串进行比较。例如，您想要查找一封通过OCR数字化的信件的收信人。 有一个地址数组，其中有字典作为元素。每个元素都是唯一的，包含ID、Name、Street、ZIP Code和City。此列表的长度为1000个条目。 由于OCR扫描的文本可能不准确，因此我们需要找到字符串与包含地址的列表的最佳匹配候选。 正文有750个单词长。我们通过使用适当的过滤函数来减少单词的数量，该函数首先按空格拆分，从每个元素中剥离更多的空格，删除长度小于5个字符的所有单词，并删除重复的单词；得到的列表长度为200个单词。 由于每个收信人有4个字符串(街道、邮政编码和城市)，剩下的字
浏览 62提问于2019-01-04得票数 5
我该如何写一个函数来转换一个RDD，它是一个单词列表，比如'Alpha'，'Beta'，'Gamma'，'Beta'，'Alpha‘，成对的RDD包含唯一的单词和它们出现的次数，在本例中是('Alpha'，1)，('Beta',2)，('Gamma',2)？
浏览 0提问于2015-06-15得票数 0
我有5万个文件--总共有1.62亿字。我想使用类似于本教程的Gensim进行主题建模。
因此，LDA需要将文档标记为单词，然后创建一个单词频率字典。
因此，我将这些文件读入熊猫的dataframe (“content”列包含文本)，然后执行以下操作来创建文本列表。
texts = [[word for word in row[1]['content'].lower().split() if word not in stopwords] for row in df.iterrows()]
但是，由于字数大，我一直遇到内存错误。
我还尝试了Python中的TokenVectoriz
浏览 0提问于2018-09-05得票数 1
3回答
我有一个可能的单词列表，以使给定单词的变形词。列表中的每个字符串都是字典的关键字，并且具有一个或多个单词的值。这是按照字典中对应关键字的每个列表中的关键字的顺序来制作所有可能的句子的最佳(最快的，pythonic的)方式。列表中的键数量是可变的。
keylist = ['key1', 'key2', 'key3']
worddict = {'key1': ['a','b','c'], 'key2':['d','e','f'
浏览 1提问于2010-08-20得票数 1
回答已采纳
2回答
将文本转换为向量
、、、、
我有一本字典，里面有单词和每个单词的频率。
{'cxampphtdocsemployeesphp': 1,
'emptiness': 1,
'encodingundefinedconversionerror': 1,
'msbuildexe': 2,
'e5': 1,
'lnk4049': 1,
'specifierqualifierlist': 2, .... }
现在我想用这个字典创建一个单词包模型(我不想使用标准库和函数。我想使用算法来应用这一点。)
在字典中找出最受
浏览 0提问于2018-07-25得票数 2
回答已采纳
2回答
我需要创建一个函数，该函数将字符串列表作为输入，每个字符串都是一本书的内容的字符串。输出需要是2DNP计数数组，其中行是输入字符串中的书，列是“全局词汇表”中所有单词的计数。因此，如果输入两个字符串，并且它们有50个唯一的单词，则矩阵的形状将为(2,50)。
我之前有一段代码，它获取一个字符串列表，并根据字符串中唯一的单词创建一个字典，按照字典编者的顺序命名为词汇，我只是想不出如何将这个字典转换为矩阵。
这是我到目前为止所做的，但它不起作用，因为“列表索引必须是整数或切片，而不是str"：
def feature(strings):
import numpy as np
浏览 2提问于2020-07-26得票数 0
3回答
(很抱歉问题太长了)
print_most_common()函数，它传递了两个参数，一个包含单词及其对应频率的字典，例如
{"fish":9, "parrot":8, "frog":9, "cat":9, "stork":1, "dog":4, "bat":9, "rat":3}
和一个整数，即所需的字符数。该函数获取所需字符数的所有单词的列表，这些单词是字典的关键字，并且在该长度的单词中出现的频率最高。该函数首先打印由单词长度(第二个参数)组成的字符串，
浏览 2提问于2017-02-14得票数 0
我想计算一个文本语料库中单词的词频。为了完成这个任务，我已经使用了NLTK的word_tokenize，然后是probability.FreqDist。word_tokenize返回一个列表，该列表由FreqDist转换为频率分布。然而，我最近在集合中遇到了计数器函数(collections.Counter)，它似乎在做完全相同的事情。FreqDist和计数器都有一个most_common(n)函数，它返回n个最常见的单词。有人知道这两者之间有什么区别吗？一个比另一个快吗？是否有这样的情况:一种会起作用，而另一种则不会？
浏览 4提问于2016-01-05得票数 6
回答已采纳
我想知道在带有GIN/GiST索引的PostgreSQL 9.3中的全文搜索是否使用tf-idf (词频-逆文档频率)。
特别是，在我的词组专栏中，我有一些更受欢迎的词，而有些词则非常独特(即名称)。我想对这些列建立索引，以便匹配的唯一单词的权重将高于普通单词。
浏览 10提问于2013-08-18得票数 7
1回答
我希望能够将多个过滤器的组合应用到使用的大写图中。问题如下：
我需要保留一次以上或者出现在单词列表上的大写。请注意，我希望保留中单词列表中的大写--如果我想删除它们，我可以简单地应用一个又一个过滤器。
我知道有一个频率滤波器，我也可以使用以下方法单独检查列表中的单词：
lambda *w: w not in [w1,w2,w3]
但是我不知道在这个函数中如何检查双标的频率。
我们怎样才能让大信号的频率传递给兰达呢？
浏览 0提问于2014-05-05得票数 1
回答已采纳
1回答
对于一个非常有趣的项目，我想编写一个马尔可夫链聊天机器人。
所使用的算法非常简单--将传入的句子分解为标记，存储每个令牌后面的单词(随着使用的增加，可能带有“权重”)。这意味着，平均而言，当一个句子被分成两组时，它的长度会增加一倍。
示例：
The quick brown fox jumps over the lazy dog =>
The: quick,
quick: brown,
brown: fox,
fox: jumps,
...etc
如果传入的单词与我已经拥有的内容匹配，那么下一个单词将被追加到该键中，然后使用该键从一个随机值继续。
我需要以某种方式存储这些K/V集，这样我
浏览 0提问于2017-03-19得票数 3
2回答
我正在使用NLTK，并试图使单词短语计数达到特定文档的特定长度以及每个短语的频率。我对字符串进行标记化，以获得数据列表。
from nltk.util import ngrams
from nltk.tokenize import sent_tokenize, word_tokenize
from nltk.collocations import *
data = ["this", "is", "not", "a", "test", "this", "is", "real
浏览 27提问于2016-11-18得票数 6
回答已采纳
6回答
我有一个接受单词列表的方法。这些单词将根据以字符串为关键字、以整数为值的单词hASHmap进行检查。字符串是一个单词，Integer表示该单词在文本文件中的频率。
目前，单词列表是根据它们的频率进行排名的，方法是将它们放入树状图中，其中频率成为关键。
但是，由于不能有重复的键，因此Hashmap中具有相同频率值的任何单词都不会被输入到Treemap中。
我该怎么做才能有一个日期结构，其中包含按频率排序的单词，包括重复单词？
//given a list of words return a TreeMap of those words ranked by most frequent occ
浏览 0提问于2013-05-07得票数 2
6回答
“停止单词”列表中的英语？
、、、、
我正在为一些英语文本生成一些统计数据，我想跳过"a“和"the”这样乏味的单词。
我在哪里能找到这些无趣词汇的列表呢？
这些单词的列表是否与英语中最常用的单词列表相同？
更新:这些显然被称为“停止词”，而不是“跳过单词”。
浏览 11提问于2009-08-02得票数 21
回答已采纳
1回答
我有一个网络DirectedGraph对象G，其中包含大约2,0000个顶点和120,000条边。
我想搜索边列表，看看哪条边以顶点‘deny’结尾。(哦，图中的顶点都是英文单词。)
我只是愚蠢地做了下面的事情，但它从未停止过..我从一开始就等了十多分钟。
我怎么才能快速执行它呢？
for i in range(len(G.edges())):
if list(G.edges())[i][1] == 'deny':
print(list(G.edges())[i])
浏览 0提问于2018-06-11得票数 0
1回答
我有两个string列表
(Pdb) word_list1
['first', 'sentence', 'ant', 'first', 'whatever']
(Pdb) word_list2
['second', 'second', 'heck', 'anything', 'youtube', 'gmail', 'hotmail']
我想计算两个集合中每个单词的单词并集的概率分布。
(Pdb) prin
浏览 0提问于2015-12-17得票数 1
1回答
我需要根据它的词法属性生成一个单词。例如，如果我使用'child‘作为词干，使用’复数‘作为它的属性，我希望生成单词’child‘。同样，如果我有一个动词-‘read’，和'present，the，singular‘作为它的变形属性，我应该得到’read‘作为生成的单词。
为了实现这一点，我需要已经分析过的英语数据，或者一个下降变形分析器和一个覆盖范围很广的英语词典。
我已经尝试过查找任何这样的独立工具，但我没有找到任何工具。
请帮帮忙。
谢谢，罗希特·M。
浏览 6提问于2014-04-02得票数 0
我想要一个拉丁文单词列表，以供研究/参考之用。(如/usr/share/dict/words)
似乎没有这样的单词列表(apt-file search /usr/share/dict | sort | uniq | grep latin)，但有一个词典英语拉丁语词典：dict-freedict-eng-lat。
有什么简单的方法可以从这里得到单词列表吗？
我尝试过使用.dz对sed进行一些快速的手动解析，但是格式看起来非常复杂，需要进行一些解析。我尝试了dictunformat命令，但是它生成一个看起来是二进制格式的c5数据库。我找不到与这些文件交互的工具。
浏览 0提问于2017-03-16得票数 4
回答已采纳
2回答
基本上，我实现了一个解密工具(只是为了好玩)，我决定实现的第一个加密逻辑是凯撒密码。因此，如果输入作为cvggbmp，我必须找到明文是什么，我将通过解密函数传递26次。我得到了26个输出。是否有方法将这些输出与words.txt匹配，以获得类似可读单词的密度，然后以最多可读单词的数量显示输出？还是有更好的优化方法来做到这一点？
浏览 0提问于2021-05-17得票数 0
回答已采纳
有一个很长的单词列表，列表的长度大约是360000。我想得到每个单词的频率，并成为一本字典。
例如：
{'I': 50, 'good': 30,.......}
因为单词列表很大，我发现计算它需要很长时间。你有更快的方法来完成这个任务吗？
到目前为止，我的代码如下：
dict_pronoun = dict([(i, lst_all_tweet_noun.count(i)) for i in
lst_all_tweet_noun])
sorted(dict_pronoun)
浏览 1提问于2016-10-17得票数 0
回答已采纳
给出一个查询列表和一个文档，我想根据查询与给定文档的相关性对查询进行排序。
对于每个查询，我计算了查询中每个单词的词频。(术语频率定义为单词在文档中发生的次数除以文档中的总单词数)
现在，我总结了查询中每个术语的频率。
例如：
search query: "Hello World"
document: "It is a beautiful world"
tf for 'Hello': 0
tf for 'World': 1/5 = 0.2
total tf for query 'Hello World' = 0
浏览 3提问于2017-03-06得票数 0
回答已采纳
我想知道在Perl/MySQL中是否有可能根据给定的单词建立一个变体单词列表，该单词可能会出现常见的OCR错误(即8而不是b)？换句话说，如果我有一个单词列表，并且列表中有单词"Alphabet"，那么有没有办法扩展或构建一个新的列表，以包括我的原始单词加上"Alphabet“的OCR错误变体？因此，在我的输出中，我可能有以下Alphabet的变体：
Alphabet
A1phabet
Alpha8et
A1pha8et
当然，对于OCR文本中出现的大多数(如果不是全部)常见错误，编写代码都是有用的。例如8而不是b，或者1而不是l。我不想修复这些错误，因为在我的数据本身
浏览 0提问于2012-12-12得票数 3
回答已采纳
1回答
我已经做了代码从wordnet获得同义词，它为每个单词提供了完整的同义词列表。因此，我希望我的代码能够根据句子从同义词列表中选择合适的同义词。
例如:句子是：“我是他的哥哥”，我必须根据这个句子找出每个单词的最佳同义词。
让我们选择“老一点”。Wordnet会给出“旧”的同义词列表：
“长者”、“曾经”、“前辈”、“曾经”、“曾经”、“从前”、“诚实对上帝”、“年老”、“老”、“前辈”、“确定--足够”、“老”、“有时”、“诚实-上帝”、“昆坦”、“老人”
在这个句子中，最好的同义词是“长者”，所以应该选择它。
我该怎么做？
获取同义词的代码：
from nltk.tokenize impor
浏览 2提问于2017-05-25得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
