2 条件频率分布

我们在第3节介绍了频率分布。我们看到给定某个词汇或其他元素的列表mylist，FreqDist(mylist)会计算列表中每个元素项目出现的次数。在这里，我们将推广这一想法。

当语料文本被分为几类，如文体、主题、作者等时，我们可以计算每个类别独立的频率分布。这将允许我们研究类别之间的系统性差异。在上一节中，我们是用 NLTK 的ConditionalFreqDist数据类型实现的。条件频率分布是频率分布的集合，每个频率分布有一个不同的“条件”。这个条件通常是文本的类别。2.1描绘了一个带两个条件的条件频率分布的片段，一个是新闻文本，一个是言情文本。

图 2.1：计数文本集合中单词出现次数（条件频率分布）