Python 多功能集

我正在学习NLP，并学习使用NLTK和scikit学习进行文本分类。因此，我在NLTK的电影评论语料库中实现了Unigram presence功能。现在，我正在尝试实施一篇研究论文，其中他们使用了多种功能：

1. N-Gram Features : Unigram : Presence and Count, Bigram : Presence and Count
2. Stylistic Features : POS_Noun, POS_Adverb, POS_Adjective : Ratios No. of spelling errors : Real-valued feature Length of text : Real-valued feature

因为到目前为止我只实现了一个特性函数，所以我现在遇到了问题。我可以分别为上述所有功能实现功能，如：

def find_POS_NONU_功能（文档）：使用POS_NONU作为功能对文本进行分类def find_text_功能（文档）：使用#字符作为我的功能等。然后我可以分别训练多个分类器

但我需要的是如何将所有这些特性集成到单个分类器中

---

请帮忙，我在互联网上搜索过，但找不到合适的解释。

将所有功能放在一本词典中，无论其来源或类型如何。只需确保功能名称是不同的，这样就不会丢失任何键

如果已经有单独的函数返回具有不同类型功能的词典，则可以如下方式合并结果：

all_features = find_unigram_features(document)
all_features.update(find_bigram_features(document))
all_features.update(find_POS_Noun_feature(document))
etc.

如果您有任何返回单个值的函数（而不是

dict

），您应该以通常的方式更新字典

all_features["doc_length"] = find_Length_of_text_feature(document)

---

您培训的功能函数将合并所有这些功能并返回组合字典。

那么，您的功能函数返回什么？每个数据点一个1-D阵列？如果是这样，您需要连接所有功能函数的返回值。我的功能函数返回一个字典。我输入nltk.classify.scikitlearn分类器的带标签的数据集是一个元组列表，其中一个部分是dicitonary，第二个是category。因此，对于单图存在：[（{w1:True，w2:False…}，'pos'），（{w1:False，w2:True…}，'neg'）…]。对于bigrams和POS_名词、文本长度等也一样。这样的所有特征都能输入nltk分类器吗？这就是它的用途。使用它的方式与使用较小词典的方式相同。