텍스트 :: NSP :: 측정 :: 2D :: MI :: PS 텍스트 :: NSP :: 측정 :: 2D :: MI :: PS는 Bigrams의 연관성의 Poisson-Stirling 척도를 구현하는 Perl 모듈입니다.
지금 다운로드

텍스트 :: NSP :: 측정 :: 2D :: MI :: PS 순위 및 요약

텍스트 :: NSP :: 측정 :: 2D :: MI :: PS 태그

측정하다 Perl 모듈 푸아송-스털링 측정 Bigrams 협회

텍스트 :: NSP :: 측정 :: 2D :: MI :: PS 설명

텍스트 :: NSP :: Measures :: 2D :: Mi :: PS는 Bigrams에 대한 Poisson-stirling 척도를 구현하는 Perl 모듈입니다. 텍스트 :: NSP :: 측정 :: 2D :: MI :: PS는 BigRams.SynopsIsBasic 사용법에 대한 Poisson-stripting 척도를 구현하는 Perl 모듈입니다. 텍스트 사용 텍스트 :: NSP :: Measures :: 2D :: Mi :: PS ...에 내 $ npp = 60; 내 $ n1p = 20; 내 $ NP1 = 20; 내 $ n11 = 10; $ PS_VALUE = 계산론 (N11 => $ N11, N1P => $ NP1, NP1 => $ NP1, NPP => $ NPP); if (($ errorcode = getErrorCode ()) {print stderr $ errorcode "-".geterrorMessage (). "n" ";} else {getStatisticName. bigRam의 값은". $ ps_value "입니다. n" " ...에 } 로그 우도 비율은 과 가 독립적 인 경우 관찰 된 데이터 간의 고정을 측정하고 예상되는 것으로 예상되는 것입니다. 점수가 높을수록 단어가 독립적 인 것으로 결론을 덜받는 증거가 적습니다. 2X2 비상 사 테이블에 의해 표시된 것처럼 Bigram 와 관련된 빈도 수 데이터가 워드 2 ~ Word2 Word1 N11 N12 | N1P ~ Word1 N21 N22 | N2P ------------- NP1 NP2 NPPWhere N11은 가 함께 발생하는 횟수이고, N12는 이 워드 2 이외의 단어로 발생하는 횟수입니다. 또한 N1P는 BigRam의 첫 번째 단어로 Word1이 발생하는 총 횟수입니다. 내부 셀에 대한 예상 값은 관련된 한계의 제품을 가져 와서 샘플 크기로 나누어 계산됩니다 (예 : NP1 * n1p m11 = ----------------- npp는 포아송 우도 측정의 부정적인 Logratimic 근사치입니다. 그것은 스테일링 중단을 사용하여 푸아송 - 우연성 측정의 요인을 근사화합니다. Posson-stirling = n11 * (log (n11) - log (m11) - 1)은 동일한 asposson-stirling = n11 * (log (n11 / m11) - 1) methodsculateStatistic () -이 방법은 ps ValueInput params : count_values ... count.pl program.return 값에 의해 계산 된 카운트 값을 포함하는 해시의 참조. $ poissonstirling ..이 bigram에 대한 포아송 - 스털링 값. getStatisticName () -이 statisticinput params의 이름을 반환합니다. nonereturn 값 : $ name .. 측정 이름. 요구 사항 : · Perl.

텍스트 :: NSP :: 측정 :: 2D :: MI :: PS 관련 소프트웨어