05. n-gram

05. n-gram

リストなど）からn-gramを作る関数を作成せよ．この関数を用い，"I am an NLPer"という文から単語bi-gram，文字bi-gramを得よ．

###Go

package main

import (
	"fmt"
	"strings"
)

//  文字単位の bi-gram
func ch_bi_gram(src string) []string {
	var res []string

	//	文字数ループ（１文字少なく）
	for i:=0 ; i<(len(src)-1);i++ {
		//	添字の文字と次の文字を連結
		res = append(res, string(src[i]) + string(src[i+1]))
	}

	return res
}

//  単語単位の bi-gram
func wd_bi_gram(src string) []string {
	var res []string

	//  単語単位で文字列を分割
	words := strings.Split(src, " ")

	//  単語数ループ（１配列少なく）
	for i:=0 ; i<(len(words)-1);i++ {
		//  空白で単語を区切ったため、空白を追加し単語を連結
		res = append(res, words[i] + " " + words[i+1])
	}

	return res
}

func main() {
	src := "I am an NLPer"

	//  文字単位の bi-gram
	res1 := ch_bi_gram(src)
	fmt.Printf("%q\n",res1)

	//  単語単位の bi-gram
	res2 := wd_bi_gram(src)
	fmt.Printf("%q\n",res2)
}

###python

# -*- coding: utf-8 -*-

#   文字単位の bi-gram
def ch_bi_gram(src):
    res = list(range(0))

    #   文字数ループ（１文字少なく）
    for i in range(len(src)-1):
        #   添字の文字と次の文字を連結
        res.append(src[i] + src[i+1])

    return res

#   単語単位の bi-gram
def wd_bi_gram(src):
    res = list(range(0))

    #   単語単位で文字列を分割
    words = src.split(" ")

    #   単語数ループ（１配列少なく）
    for i in range(len(words)-1):
        #   空白で単語を区切ったため、空白を追加し単語を連結
        res.append(words[i] + " " + words[i+1])

    return res


src = "I am an NLPer"

#   文字単位の bi-gram
res = ch_bi_gram(src)
print res

#   単語単位の bi-gram
res = wd_bi_gram(src)
print res

###Javascript

//  文字単位の bi-gram
function ch_bi_gram(src) {
    var res = [];

    //	文字数ループ（１文字少なく）
    for (var i = 0; i < (src.length-1); i++) {
        //  添字の文字と次の文字を連結
        res.push(src[i] + src[i+1]);
    }

    return res;
}

//  単語単位の bi-gram
function wd_bi_gram(src) {
    var res = [];

    //  単語単位で文字列を分割
    var words = src.split(' ');

    //  単語数ループ（１配列少なく）
    for (var i=0;i<(words.length-1);i++) {
        //  空白で単語を区切ったため、空白を追加し単語を連結
        res.push(words[i] + " " + words[i+1]);
    }

    return res;
}

var src = "I am an NLPer"

//  文字単位の bi-gram
var chr = ch_bi_gram(src);
console.log(chr);

//  単語単位の bi-gram
var wd = wd_bi_gram(src);
console.log(wd);

まとめ

次の「05. n-gram」 は他の方の解説を読むが難しい。
[n番煎じ] 言語処理100本ノック 2015 第1章 with Python に結果が載ってた。

文字列(入力): I am an NLPer
文字バイグラム: ['I ', ' a', 'am', 'm ', ' a', 'an', 'n ', ' N', 'NL', 'LP', 'Pe', 'er']
単語バイグラム: ['I am', 'am an', 'an NLPer']

解りやすい。文章解読能力が無いことを痛感。

気になってる点。文章を空白で分割したがその空白を後で結合している部分。
これでいいのかなぁ。なんかカッコよくない気がする。

トップ