Differenze

Queste sono le differenze tra la revisione selezionata e la versione attuale della pagina.

--- distribuzione_delle_frequenze [2021/06/02 20:04]
admin
+++ distribuzione_delle_frequenze [2024/07/07 18:48] (versione attuale)
admin
@@ Linea 31: / Linea 31: @@
 import re
 import matplotlib.pyplot as plt
-with open('testi/collodi_pinocchio.txt', mode='r', encoding='iso-8859-1') as f: testo = f.read()
+f = open('testi/collodi_pinocchio.txt', mode='r', encoding='iso-8859-1')
+testo = f.read()
 testo=testo[1704:]
+# istruzioni per l'affinamento della tokenizzazione
 testo=re.sub("'","' ", testo)
 testo=re.sub("([^\.]+)([\.,;:\!-]+)","\g<1> \g<2>", testo)
 testo=testo.lower()
+# fine istruzioni per l'affinamento della tokenizzazione
 testo=testo.split()
 fd=[testo.count(i) for i in set(testo)]
@@ Linea 44: / Linea 49: @@
 ----
 Il codici seguente usano una lista di tuple, denominata "occ_forma", di struttura (numero_occorrenze, forma) per ordinare contemporaneamente, secondo l'ordine decrescente di frequenza, tanto i valori di frequenza quanto le forme secondo la frequenza. In questo modo è possibile creare una lista di forme ordinata per frequenza, denominata 'forme', da usare per le etichette dell'asse orizzontale del grafico (mediante la funzione plt.xticks).
-<code python 1>
+<code python frequenze_etichettate_frase.py>
 frase='quando un uomo con la pistola incontra un uomo con il fucile quello con la pistola è un uomo morto'
 frase=frase.split()
@@ Linea 59: / Linea 64: @@
-<code python 1>
+<code python frequenze_etichettate_pinocchio.py>
+import re
 import matplotlib.pyplot as plt
-with open('testi/collodi_pinocchio.txt', mode='r', encoding='iso-8859-1') as f: testo = f.read()
+f = open('testi/collodi_pinocchio.txt', mode='r', encoding='iso-8859-1')
+testo = f.read()
+testo=testo[1704:]
+# istruzioni per l'affinamento della tokenizzazione
 testo=re.sub("'","' ", testo)
+testo=re.sub('[\.,;:\-?!]{1}','',testo)#elimina gli interpunti
 testo=testo.lower()
-# altre istruzioni per l'affinamento della tokenizzazione
+# fine istruzioni per l'affinamento della tokenizzazione
-# ...
 testo=testo.split()
@@ Linea 77: / Linea 86: @@
 plt.show()
 </code>
+{{::frequenze_etichettate.png?800|}}

Linguistica computazionale

Strumenti Utente

Strumenti Sito

Differenze

Strumenti Pagina