我正在研究语言模型，并希望计算两个后续单词的数字对。我发现这样的问题的一个例子scala蒙山slicing功能。虽然我没有找到类似的东西pyspark
data.splicing(2).map(lambda (x,y): ((x,y),1).redcueByKey(lambda x,y: x+y)
我想应该是这样的。解决方法可能是一个创建函数，该函数可以找到数组中的下一个单词，但是我想应该有一个内置的解决方案。
也许这会有所帮助。您可以在此处找到其他拆分方法：是否可以通过Python中的第n个分隔符来拆分字符串？
from itertools import izip
text = "I'm working on language model and want to count the number pairs of two consequent words.\
I found an examples of such problem on language model and want to count the number pairs"
i = iter(text.split())
rdd = sc.parallelize([" ".join(x) for x in izip(i,i)])
print rdd.map(lambda x: (x, 1)).reduceByKey(lambda x, y: x + y).collect()
[（'found an'，1），（'count the'，2），（'want to'，2），（'examples of'，1），（'model and'，2），（'on language '，2），（'数字对'，2），（“我正在工作”，1），（'常用词.I'，1），（'此类问题'，1），（'两个' ，1）]
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句