Коллокации¶

collocations(text="", path=null, window=5, measure="logdice", min_freq=2, node=null, lemmatize=true, top_n=20)

Коллокации - пары слов, которые встречаются вместе чаще, чем случайно: устойчивые сочетания, термины, сочетаемость слова (node). Пара упорядочена: правое слово стоит не дальше window слов после левого. С lemmatize сравниваются леммы, без снятия омонимии: «точка зрения» и «точки зрения» - одна пара. Определения и формулы мер - на странице ruTS Коллокации.

Частота пары 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.

Ошибки - общие для инструментов, текст без слов и node не из одного слова.

ВызовРезультат

{
  "name": "collocations",
  "arguments": {
    "text": "Кот сидел на окне и смотрел на птиц. Птицы улетели, и кот уснул на окне. Завтра кот снова будет сидеть на окне и смотреть на птиц.",
    "top_n": 3
  }
}

{
  "n_words": 26,
  "measure": "logdice: logDice (Rychlý 2008): чем выше, тем устойчивее пара, не зависит от размера текста; пара, которая всегда стоит рядом, получает 11.7, наибольшее значение 14 - у пары, которая встречается на каждом расстоянии в окне, ниже нуля - слабая связь",
  "collocations": [
    {"left": "на", "right": "птица", "freq_left": 5, "freq_right": 3, "freq_pair": 5, "score": 12.0},
    {
      "left": "смотреть",
      "right": "птица",
      "freq_left": 2,
      "freq_right": 3,
      "freq_pair": 3,
      "score": 11.94
    },
    {
      "left": "сидеть",
      "right": "на",
      "freq_left": 2,
      "freq_right": 5,
      "freq_pair": 4,
      "score": 11.87
    }
  ],
  "warnings": []
}

Параметры¶

Параметр	Тип	По умолчанию	Описание
`text`	`string`	`""`	Текст
`path`	`string`	`null`	Абсолютный путь к файлу с текстом вместо `text`
`window`	`integer`	`5`	Наибольшее расстояние между словами пары, от 1 до 10; 1 - соседние слова
`measure`	`string`	`"logdice"`	Мера ассоциации: `logdice`, `mi`, `mi3`, `t_score`, `dice`, `log_likelihood`, `npmi`, `min_sensitivity`; `logdice` не зависит от размера текста, `mi` завышает редкие пары, `mi3` и `t_score` отдают предпочтение частым
`min_freq`	`integer`	`2`	Наименьшая частота пары `freq_pair`
`node`	`string`	`null`	Слово, сочетаемость которого нужна; не задано - все пары
`lemmatize`	`boolean`	`true`	Сравнивать леммы
`top_n`	`integer`	`20`	Число пар в ответе, до 200

Результат¶

Поле	Тип	Описание
`n_words`	`integer`	Число слов текста
`measure`	`string`	Мера и как читать ее значения
`collocations`	`array[object]`	Пары по убыванию меры: левое слово `left`, правое `right`, их частоты `freq_left` и `freq_right`, частота пары `freq_pair` и значение меры `score`
`warnings`	`array[string]`	Текст не на русском языке, слова `node` нет в тексте, пар с такой частотой нет