Python中没有词序的Bigram频率

Question

我已经编写了一个程序来查找Python中单词的频率。我被困在一个地方，我需要找到bigrams的频率而不考虑词序。这意味着“在...中”应该与“在...中”相同。 代码找到二元频率：

txt = open('txt file', 'r') 
finder1 = BigramCollocationFinder.from_words(txt.read().split(),window_size = 3) 
finder1.apply_freq_filter(3) 
bigram_measures = nltk.collocations.BigramAssocMeasures() 

for k,v in sorted(list(combinations((set(finder1.ngram_fd.items())),2)),key=lambda t:t[-1], reverse=True)[:10]: 
    print(k,v) 

Answer 1

这似乎是某个地方，你可以使用sets在一个Counter键。您可以从链接的文档中看到，集合是无序容器，而计数器是专用于计算迭代中对象出现的字典。难道是这个样子：

from string import punctuation as punct 

with open('txt file.txt') as txt: 
    doc = txt.read().translate({c: '' for c in punct}).split() 

c = Counter() 

c.update(fronzenset((doc[i], doc[i+1])) for i in range(len(doc) - 1)) 

的with语句处理的文件，然后自动关闭连接。从那里它将它读入由空白字符（空格，换行符等）分隔的单词列表中。然后它初始化Counter并计算字符串中无序的单词对。