sh111h https://blog.hatena.ne.jp/sh111h/ エイエイレトリック https://eieito.hatenablog.com/ nlp ngram language model 以前の記事で、古典的ngram言語モデルについて、NLTKを利用し、英語データセットの結果をまとめました。 eieito.hatenablog.com 単語を分かち書きさえすれば日本語でも実行可能なので、日本語データセットでパープレキシティを算出していきます。 データ 学習データとテストデータの準備。 ngramデータさえあればplain textがなくとも実装できますが、評価のためには学習データと同じ性質のテストデータ（plain text）が必要です。 Wikitext-JA は Wikipediaデータがtrain/testに分割されているので今回利用します。 データも「秀逸な記事」と「… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Feieito.hatenablog.com%2Fentry%2F2022%2F06%2F14%2F093000" title="NLTKのngram言語モデルを日本語データで使う - エイエイレトリック" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2022-06-14 09:30:00 rich https://eieito.hatenablog.com/entry/2022/06/14/093000 1.0 100%