Как создать окно / чанк для списка предложений?

Question

У меня есть список предложений, и я хочу создать скипграмму (window size = 3), но я DONT хочу, чтобы счетчик охватывал предложения, поскольку все они не связаны.

Итак, если у меня естьпредложения:

[["my name is John"] , ["This PC is black"]]

триплеты будут:

[my name is]
[name is john]
[this PC is]
[PC is black]

Каков наилучший способ сделать это?

Answer 1

Попробуйте!

from nltk import ngrams

def generate_ngrams(sentences,window_size =3):
    for sentence in sentences:
        yield from ngrams(sentence[0].split(), window_size)

sentences= [["my name is John"] , ["This PC is black"]]

for c in generate_ngrams(sentences,3):
    print (c)

#output:
('my', 'name', 'is')
('name', 'is', 'John')
('This', 'PC', 'is')
('PC', 'is', 'black')

Answer 2

Вы на самом деле не хотите skipgram как таковой, но вы хотите кусок по размеру, попробуйте это:

from lazyme import per_chunk

tokens = "my name is John".split()
list(per_chunk(tokens, 2))

[out]:

[('my', 'name'), ('is', 'John')]

Если вынужно скользящее окно, то есть ngrams:

from lazyme import per_window

tokens = "my name is John".split()
list(per_window(tokens, 2))

[out]:

[('my', 'name'), ('name', 'is'), ('is', 'John')]

Аналогично в NLTK для ngrams:

from nltk import ngrams

tokens = "my name is John".split()
list(ngrams(tokens, 2))

[out]:

[('my', 'name'), ('name', 'is'), ('is', 'John')]

Если вам нужны реальные скипграммы, Как вычислять скипграммы в python?

from nltk import skipgrams

tokens = "my name is John".split()
list(skipgrams(tokens, n=2, k=1))

[out]:

[('my', 'name'),
 ('my', 'is'),
 ('name', 'is'),
 ('name', 'John'),
 ('is', 'John')]

Answer 3

Вот простая функция для этого.

def skipgram(corpus, window_size = 3):
    sg = []
    for sent in corpus:
        sent = sent[0].split()
        if len(sent) <= window_size:
            sg.append(sent)
        else:
            for i in range(0, len(sent)-window_size+1):
                sg.append(sent[i: i+window_size])
    return sg

corpus = [["my name is John"] , ["This PC is black"]]
skipgram(corups)