搜寻结果

For <NN.*>{2,} try pattern = r"""NP: {<NN.*><NN.*>+}""" For <NN.*>{2,5} try pattern = r"""NP: {<NN.*><NN.*>} {<NN.*><NN.*><NN.*>} {<NN.*><NN.*><NN.*><NN.*>} {<NN.*><NN.*><NN.*><NN.*><NN.*>} """ Ugly but work. :) Run the following...

There's a very detailed explanation here: http://www.linguistics.ucsb.edu/faculty/stgries/teaching/groningen/readme.txt Just follow the instruction and you will get the result. The key for the R script to work is to organize your data as required. Take the collexeme_analysis as an example...

可以参考下面这本书（http://gen.lib.rus.ec/）： An Introduction to Categorical Data Analysis (2nd Ed.) 第 2.2 节 有关 Odds Ratio 的介绍和 第 7.1 节（p.207） 有关 如何解读 Log Linear 模型的结果

你好，附件是一些测试数据的结果。Freq 那一列应该是频率数字。

如果特征原始频率一样，z 值也应一样。 猜测是否数据中有很多原始频率为 0 或 1 的特征。 p.s. 第三张不是 z 值吧？

多谢！果然修改路径就可以了。

回复: 双/多语语料库对齐软件 InterText InterText 的优点是提供了手工校对的图形界面，支持多人共同标注。自动对齐的效果并不好。 如果你试过 ABBYY，效果不理想的话就没有必有使用 InterText 了。这些开源软件对CJK语言，即 Chinese，Japanese 和 Korean 的支持都不好，有很多问题。

回复: mwetoolkit - The Multiword Expressions toolkit Thanks! Another interesting open source NLP tool, but developed under Linux. See here for installation on Windows.

回复: 双/多语语料库对齐软件 InterText Use search engine!:)

回复: 请教Stanford Parser怎么用 http://www.bfsu-corpus.org/static/BFSUTools/BFSU_Stanford_Parser1.0.zip

结巴中文分词有很多语言的版本，详见 https://github.com/fxsjy/jieba 试了下 R 语言的结巴，好像还不错。步骤如下： 1. 安装结巴 > install.packages("jiebaR") 2. 读取库文件 > library(jiebaR) 3. 调用 worker() 函数 > tagger = worker("tag", symbol=T) 4. 分词、词性标注 > tagger <= "D:/ludingji.txt" 标注结果保存在 D 盘。

回复: 双/多语语料库对齐软件 InterText 多谢提醒！ 我用的是Strawberry Perl，里面自带XML::LibXML模块。如果是Active Perl的话，可能需要安装一下。

回复: 双/多语语料库对齐软件 InterText 应该是ABBYY Aligner吧。谢谢提醒。 我用《鹿鼎记》的中英文版试了一下，效果好像比 Hunalign 好些，不过人工校对是必不可少的。 我用的 ABBYY Aligner 不支持导出 .txt 文本，因此写了perl 脚本将 ABBYY Aligner 的 TMX 格式平行语料库转换为TXT格式，希望对大家有用。

回复: 双/多语语料库对齐软件 InterText I wrote an article about the usage of InterText server, if you're interested, you can read it here

R 语言： Fisher's Exact Test 脚本 1. Why Fisher's Exact Test? Because Chi-squared Test is not so accurate when the expected frequency is less than 5. 2. How to use the script compute_fisher.r? It's very easy. Just copy all the code into R and change the fist line setwd() to the directory...

回复: Asking for help with data transformation for normal distribution If the random variable is not normally distributed, how can you transform it to be so? I think transformation such as standardization only affects the scale of the variable instead of the distribution of it. Yes, I think...

回复: 请教计算词性标注正确率的方法。 这个问题很有意思。现在词性标注准确率号称达到97%。但这是按词来算的，如果按句子来算，准确率会大大降低。 有一篇文章讨论了这个问题 http://nlp.stanford.edu/pubs/CICLing2011-manning-tagging.pdf 提供一个思路，是否可以用不同的Tagger（如Stanford Tagger, OpenNLp Tagger, TreeTagger, CLAWS）一起标语料，然后找到其中不一样的标注，可能会是错误呢？

回复: 【转】Statistics for Linguistics with R: A Practical Introduction (2nd revised editi 这本书挺好的，稍微有点遗憾的是在多变量统计分析时没有讲到 求解各参数权重的具体方法，比如逻辑回归中（logistic regression）的梯度下降。 而这一步骤是最有意思的。 结合cousera.org上的教程看这本书可能收获更大： https://class.coursera.org/ml/lecture/58

回复: 【转】Statistics for Linguistics with R: A Practical Introduction (2nd revised editi Thanks!

回复: 请教：如何进行多个子语料库（7个）在某10个观察维度上频数间的两两差异显著性检验？谢谢！ 方差分析不适合，因为你的数据是频率。 卡方检验一般每个变量 有 2~4 个 Level 还好分析。你的Level太多了，两两对比的话有 945 种可能，用统计分析的话也不好解释。 也许你可以归并一下变量，降低分析的难度。 或者把原始频率标准化后，画 7个柱状图，每个图中有 10个变量的频数，看一下大致的趋势。找出差异最明显的分析一下就可以了吧。