从python中的消息列表中找到最常用的词对

Question

我有一个包含 100 条消息的列表。 而且我能够找到消息列表中最常用的词。 但我想找到出现频率最高的词对。 例如，key 和 board 被显示为最常用的词。 但是我需要找到“键盘”在 NLTK 中成对使用的次数。 这里abstracts是句子列表，abstract words是单词列表。

abstracts = [preprocessing(document) for document in abstracts]

abstract_words = " ".join(abstracts)
abstract_words = abstract_words.split()

def plot_word_frequency(words, top_n=10):
    word_freq = FreqDist(words)
    labels = [element[0] for element in word_freq.most_common(top_n)]
    counts = [element[1] for element in word_freq.most_common(top_n)]
    plot = sns.barplot(labels, counts)
    return plot

plot_word_frequency(abstract_words, 10)

在这里，我可以绘制个人的前 10 个单词。 但需要绘制最常见的单词组合。

Answer 1

N-grams，见python中的n-grams，四、五、六克？ ，例如

>>> from collections import Counter
>>> from nltk import ngrams
>>> tokens = "this is a sentence with some of this words this is meh ".split()
>>> Counter(list(ngrams(tokens, 2)))
Counter({('this', 'is'): 2, ('is', 'a'): 1, ('a', 'sentence'): 1, ('sentence', 'with'): 1, ('with', 'some'): 1, ('some', 'of'): 1, ('of', 'this'): 1, ('this', 'words'): 1, ('words', 'this'): 1, ('is', 'meh'): 1})