Python '；非类型'；对象不适用于搭配函数

我是NLTK新手，尝试返回搭配输出。我得到了输出，同时也没有得到任何输出。下面是我的代码、输入和输出

import nltk
from nltk.corpus import stopwords


def performBigramsAndCollocations(textcontent, word):
    stop_words = set(stopwords.words('english'))
    pattern = r'\w+'
    tokenizedwords = nltk.regexp_tokenize(textcontent, pattern)
    for i in range(len(tokenizedwords)):
        tokenizedwords[i] = tokenizedwords[i].lower()
    tokenizedwordsbigrams = nltk.bigrams(tokenizedwords)
    tokenizednonstopwordsbigrams = [ (w1, w2) for w1, w2 in tokenizedwordsbigrams if w1 not in stop_words and w2 not in stop_words]
    cfd_bigrams = nltk.ConditionalFreqDist(tokenizednonstopwordsbigrams)
    mostfrequentwordafter = cfd_bigrams[word].most_common(3)
    tokenizedwords = nltk.Text(tokenizedwords)
    collocationwords = tokenizedwords.collocations()
    return mostfrequentwordafter, collocationwords


if __name__ == '__main__':
    textcontent = input()

    word = input()


    mostfrequentwordafter, collocationwords = performBigramsAndCollocations(textcontent, word)
    print(sorted(mostfrequentwordafter, key=lambda element: (element[1], element[0]), reverse=True))
    print(sorted(collocationwords))

投入：在7天的比赛中，将提供35个体育项目和4项文化活动。他以超凡魅力滑冰，从一个档位换到另一个档位，从一个方向换到另一个方向，比跑车还快。坐在扶手椅上观看奥运会的体育迷如果不支付电视许可费，可能会被要求跳高。这样的邀请会激发体育迷的兴趣，从而吸引更多的体育迷观看。她几乎没注意到一辆华丽的跑车差点把他们撞倒，直到埃迪猛冲上前，把她的身体抢走。他奉承母亲，她变得有点百里茜，他说服她坐跑车去兜风

运动

输出：
跑车；体育迷

[（'fans'，3），（'car'，3），（'productions'，1）]

---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在里面
43最频繁的单词after，搭配词=performigrams和搭配（textcontent，word）
44打印（已排序（mostfrequentwordafter，key=lambda元素：（元素[1]，元素[0]），反向=True））
--->45打印（已排序（词语搭配））
TypeError:“非类型”对象不可编辑

---

您能帮我解决这个问题吗？

在运行集合项之前，key会转换集合项

key=

实际上意味着当我运行这个列表时，我会这样做-所以当您使用

key=lambda元素：（元素[1]，元素[0]）

时，您要求它运行两次。相反，试试这样的方法。请注意，这可能不完全正确，因为现在是早上7点，我刚刚醒来，如果它不适合您，我将在稍后编辑它

mylist = [0,1]
print(sorted(mostfrequentwordafter, key=lambda element: (element[mylist]), reverse=True))

配置（）有缺陷，导致nltk出错。我最近遇到了这个问题，并且能够通过使用搭配列表（）解决这个问题。 试试这种方法

collocationwords = tokenizedwords.collocation_list()

---

使用下面的代码，它应该可以工作。

def performBigramsAndCollocations(textcontent, word):
    
    from nltk.corpus import stopwords
    from nltk import ConditionalFreqDist
    tokenizedword = nltk.regexp_tokenize(textcontent, pattern = r'\w*', gaps = False)
    tokenizedwords = [x.lower() for x in tokenizedword if x != '']
    tokenizedwordsbigrams=nltk.bigrams(tokenizedwords)
    stop_words= stopwords.words('english')
    tokenizednonstopwordsbigrams=[(w1,w2) for w1 , w2 in tokenizedwordsbigrams if (w1 not in stop_words and w2 not in stop_words)]
    cfd_bigrams=nltk.ConditionalFreqDist(tokenizednonstopwordsbigrams)
    mostfrequentwordafter=cfd_bigrams[word].most_common(3)
    tokenizedwords = nltk.Text(tokenizedwords)
    collocationwords = tokenizedwords.collocation_list()

    return mostfrequentwordafter ,collocationwords
    

---

我认为当您使用lambda时，错误在第44行。你能试着运行这个程序并告诉我输出结果吗<代码>打印（已排序（mostfrequentwordafter，key=lambda元素：（（元素[1]，元素[0]），reverse=True）））该语句给了我语法错误。如果这不起作用，请查看

https://stackoverflow.com/questions/8966538/syntax-behind-sortedkey-lambda

提供一个解决方案，然后说“好吧，如果它不起作用，那就试试这个”是没有意义的。如果你不确定，不要往墙上扔意大利面。喂！请添加说明以显示您所修复的内容。非常感谢。使用.collaboration_list（）而不是使用.collaboration（），这样它就可以工作了。

def performBigramsAndCollocations(textcontent, word):
    
    from nltk.corpus import stopwords
    from nltk import ConditionalFreqDist
    tokenizedword = nltk.regexp_tokenize(textcontent, pattern = r'\w*', gaps = False)
    tokenizedwords = [x.lower() for x in tokenizedword if x != '']
    tokenizedwordsbigrams=nltk.bigrams(tokenizedwords)
    stop_words= stopwords.words('english')
    tokenizednonstopwordsbigrams=[(w1,w2) for w1 , w2 in tokenizedwordsbigrams if (w1 not in stop_words and w2 not in stop_words)]
    cfd_bigrams=nltk.ConditionalFreqDist(tokenizednonstopwordsbigrams)
    mostfrequentwordafter=cfd_bigrams[word].most_common(3)
    tokenizedwords = nltk.Text(tokenizedwords)
    collocationwords = tokenizedwords.collocation_list()

    return mostfrequentwordafter ,collocationwords