Python 从一个句子中找出所有正确的分支词对

假设我有一个字符串，比如：

 'velvet evening purse bags'

我怎样才能得到这个词的所有词对？换言之，这两个词的所有组合：

'velvet evening'
'velvet purse'
'velvet bags'
'evening purse'
'evening bags'
'purse bags'

我知道python的

nltk

包可以提供bigram，但我正在寻找超越该功能的东西。或者我必须用Python编写自己的自定义函数吗？

您可以使用它：

s = 'velvet evening purse bags'

from nltk import word_tokenize

words = word_tokenize(s)

from itertools import combinations

pairs = [' '.join(comb) for comb in combinations(words, 2)]

print(pairs)

输出：

['velvet evening', 'velvet purse', 'velvet bags', 'evening purse', 'evening bags', 'purse bags']

---

你也可以去旧学校

text='天鹅绒晚礼服钱包'
n=[]
ans=[]
对于文本中的i.split（）：
对于text.split（）中的j：
如果j！=一:
如果（i，j）不在n中：
附加说明（（i，j））
n、 附加（（i，j））
n、 附加（（j，i））

输出

[('velvet', 'evening'),
 ('velvet', 'purse'),
 ('velvet', 'bags'),
 ('evening', 'purse'),
 ('evening', 'bags'),
 ('purse', 'bags')]

---

这应该很有趣=）

如果输入是

天鹅绒晚装钱包

，而所需输出是@MrGeek使用

itertools.compositions

生成的，那么实际上这就是

skipgrams

的定义

因此，您可以通过以下方式实现相同的目标：

from nltk import skipgrams

s = 'velvet evening purse bags'
tokens = word_tokenize(s)
list(skipgrams(tokens, n=2, k=len(tokens)-1))

[out]：

[('velvet', 'evening'),
 ('velvet', 'purse'),
 ('velvet', 'bags'),
 ('evening', 'purse'),
 ('evening', 'bags'),
 ('purse', 'bags')]

[('velvet', 'velvet'),
 ('velvet', 'evening'),
 ('velvet', 'purse'),
 ('velvet', 'bags'),
 ('evening', 'velvet'),
 ('evening', 'evening'),
 ('evening', 'purse'),
 ('evening', 'bags'),
 ('purse', 'velvet'),
 ('purse', 'evening'),
 ('purse', 'purse'),
 ('purse', 'bags'),
 ('bags', 'velvet'),
 ('bags', 'evening'),
 ('bags', 'purse'),
 ('bags', 'bags')]

在这种情况下，每个单词只能与它右边的另一个单词组合；这在某种程度上符合人类的英语语言

在这种情况下，所有单词的“排列”成对出现，即使是单词本身：

from itertools import product
s = 'velvet evening purse bags'
tokens = set(word_tokenize(s))
list(product(tokens, tokens))

[out]：

[('velvet', 'evening'),
 ('velvet', 'purse'),
 ('velvet', 'bags'),
 ('evening', 'purse'),
 ('evening', 'bags'),
 ('purse', 'bags')]

[('velvet', 'velvet'),
 ('velvet', 'evening'),
 ('velvet', 'purse'),
 ('velvet', 'bags'),
 ('evening', 'velvet'),
 ('evening', 'evening'),
 ('evening', 'purse'),
 ('evening', 'bags'),
 ('purse', 'velvet'),
 ('purse', 'evening'),
 ('purse', 'purse'),
 ('purse', 'bags'),
 ('bags', 'velvet'),
 ('bags', 'evening'),
 ('bags', 'purse'),
 ('bags', 'bags')]

---

假设你需要双字组，而不仅仅是成对的，那么双字组需要是成对的连续单词。因此，您将迭代两个iterable，其中一个按步骤前进。查看

tee

和

zip\u longest

。只需一条评论，也可以从

nltk

使用

word\u tokenize

！谢谢我真的很喜欢这个答案来补充标记的答案