Nlp 在nltk语言模型中定义和使用新的平滑方法

我试图为语言模型提供并测试新的平滑方法。我正在使用nltk工具，不想从头开始重新定义一切。那么，有没有办法在nltk模型中定义和使用我自己的平滑方法呢

编辑： 我正在尝试这样做：

def my_平滑方法（模型）：
#一些使用模型（MLE）计数的代码
model=nltk.lm.MLE（n，平滑法=my\u平滑法）
模型拟合（火车）

，您可以看到MLE的定义。如您所见，没有平滑函数的选项（但在同一文件中还有其他函数，可能其中一些函数适合您的需要？）

InterpolatedLanguageModel（参见上面的同一文件）接受平滑分类器，该分类器需要实现alpha_gamma（单词、上下文）和unigram_分数（单词），并且是平滑的子类：

model = nltk.lm.InterpolatedLanguageModel(smoothing_cls=my_smoothing_method, order)

因此，如果您真的需要向MLE类添加功能，您可以这样做，但我不确定这是否是一个好主意：

class MLE_with_smoothing(LanguageModel):
"""Class for providing MLE ngram model scores.
Inherits initialization from BaseNgramModel.
"""

def unmasked_score(self, word, context=None):
    """Returns the MLE score for a word given a context.
    Args:
    - word is expcected to be a string
    - context is expected to be something reasonably convertible to a tuple
    """
    freq = self.context_counts(context).freq(word)
    #Do some smothing 
    return 

---

到目前为止你试过什么？你能展示一个在你挣扎的地方被剪断的代码吗？@chefhose一个伪代码被添加到问题中。