Коллокации
collocationsFind statistically significant word pairs and stable combinations in Russian text, optionally filtered by a node word, to identify terminology and typical word usage.
Instructions
Найти коллокации текста - пары слов, которые встречаются вместе чаще, чем случайно.
Используйте для устойчивых сочетаний, терминологии и сочетаемости слова (параметр node). Пара упорядочена: правое слово стоит не дальше window слов после левого. Леммы pymorphy3 берутся без снятия омонимии.
В результате "n_words" - число слов текста, "measure" - мера и как ее читать, "collocations" - пары по убыванию меры: левое слово "left", правое "right", их частоты "freq_left" и "freq_right", частота пары "freq_pair" и значение меры "score". freq_pair - число пар позиций, где правое слово стоит в окне после левого: слово, повторенное в окне, дает несколько пар, поэтому freq_pair бывает больше частоты слова, и такая пара - повтор, а не устойчивое сочетание. Ключ "warnings" - предупреждения: текст не на русском языке, слова node нет в тексте, пар с такой частотой нет.
Input Schema
| Name | Required | Description | Default |
|---|---|---|---|
| node | No | Слово, сочетаемость которого нужна; не задано - все пары | |
| path | No | Абсолютный путь к текстовому файлу в UTF-8 на машине, где запущен сервер, вместо text: длинный текст не нужно пересылать в аргументе | |
| text | No | Текст на русском языке; вместо него можно задать path | |
| top_n | No | Число коллокаций в ответе | |
| window | No | Наибольшее расстояние между словами пары; 1 - биграммы | |
| measure | No | Мера ассоциации: logdice - устойчивость пары, не зависит от размера текста; mi завышает редкие пары; mi3 и t_score отдают предпочтение частым | logdice |
| min_freq | No | Наименьшее значение freq_pair - числа пар позиций в окне | |
| lemmatize | No | Сравнивать леммы: «точка зрения» и «точки зрения» - одна пара |
Output Schema
| Name | Required | Description | Default |
|---|---|---|---|
No arguments | |||