文件名称：swiftcap:用于创建 N-gram 语言模型的 R 包
文件大小：256.53MB
文件格式：ZIP
更新时间：2024-07-24 16:29:50
R
提前输入预测模型会在用户键入时建议单词，以提高受限移动设备上的打字效率。 这类似于适用于 Android 和 iOS 移动设备的等产品。 这是作为通过 Coursera 提供的项目 Capstone 完成的。 安装 devtools::install_github ("nickwallen/swiftcap") 入门 data (blogs) fit <- ngram (blogs) predict (fit, "What is the next") 资源 构建了一个来展示该模型的结果。 创建了一个来描述底层的统计模型。
【文件预览】：
swiftcap-master
----swiftcap.Rproj(356B)
----NAMESPACE(274B)
----DESCRIPTION(706B)
----R()
--------swiftcap.R(0B)
--------ngram-mle.R(1003B)
--------predict-ngram.R(2KB)
--------data.R(1KB)
--------split-by-word.R(377B)
--------split-by-ngram.R(1KB)
--------ngram-character.R(5KB)
--------last-word.R(510B)
--------except-last-word.R(649B)
--------split-by-sentence.R(745B)
--------ngram.R(3KB)
--------clean-sentences.R(1KB)
----.Rbuildignore(39B)
----README.md(891B)
----data()
--------model.rda(7.42MB)
--------blogs.rda(1.35MB)
--------twitter.rda(1.2MB)
--------news.rda(1.31MB)
----man()
--------model.Rd(1KB)
--------news.Rd(494B)
--------split_by_word.Rd(335B)
--------split_by_ngram.Rd(676B)
--------ngram_mle.Rd(636B)
--------twitter.Rd(464B)
--------blogs.Rd(389B)
--------predict.ngram.Rd(610B)
--------ngram.character.Rd(3KB)
--------clean_sentences.Rd(664B)
--------swiftkey-capstone-model-package.Rd(1KB)
--------ngram.Rd(3KB)
--------split_by_sentence.Rd(494B)
--------last_word.Rd(388B)
--------except_last_word.Rd(430B)
----tests()
--------testthat()
--------testthat.R(60B)
----.gitignore(29B)
----data-raw()
--------twitter.zip(73.76MB)
--------ngrams.R(940B)
--------news.R(529B)
--------twitter.R(572B)
--------news.zip(85.58MB)
--------blogs.zip(85.89MB)
--------blogs.R(537B)