NLTK在一个分类器中具有多个功能集？

Question

在NLTK中，通过使用朴素的贝叶斯分类器，我从示例中知道，使用“词袋”方法非常简单，可以查找单字组或双字母组或两者。 您可以使用两组完全不同的功能来做相同的事情吗？

例如，我可以使用字母组合和训练集的长度吗（我知道这里已经提到过一次）？ 但是让我更感兴趣的是文档中出现的诸如双字母组和“双字母组”之类的东西或POS的组合吗？

这是否超出了基本NLTK分类器的功能？

谢谢亚历克斯

Answer 1

NLTK分类器可以与任何键值字典一起使用。 我使用{"word": True}进行文本分类，但是您也可以使用{"contains(word)": 1}来达到相同的效果。 您还可以将许多功能组合在一起，因此可以使用{"word": True, "something something": 1, "something else": "a"} 。 最重要的是您的功能是一致的，因此您始终具有相同的键和一组固定的可能值。 可以使用数字值，但是分类器并不聪明-将数字视为离散值，因此99和100与1和100一样。如果您希望以更智能的方式处理数字，那么我建议使用scikit-learn分类器。