Репозиторий содержит два файла с кодом:

bigrammer.py: класс с методами подсчета биграмм я связанных с ними метрик. Включает в себя следующие функции:

1. get_pos_lemm_frequencies — вывод заданного числа наиболее частотных лемм указанной по лейблу части речи
2. make_bigrams — составление списка биграм текста
3. word_frequency (служебная) — возвращение частотности нужного слова из частотного словаря
4. bigram_frequency_by_word (служебная) — 20 самых частотных биграмм с указанным словом
5. bigram_measure_dice (служебная) — измерение Dice для всех биграмм в тексте
6. bigram_measure_mi (служебная) — измерение MI для всех биграмм в тексте
7. dice_top_20, mi_top_20 — 20 самых устойчивых биграмм по соответствующим метрикам
8. dice_top_20_by_word, mi_top_20_by_word — 20 самых устойчивых биграмм с определенным словом по соответствующим метрикам

Класс инициализируется созданием метода Bigrammer(). Для инициализации необходим путь к текстовому файлу (при инициализации класс сам его откроет). Опционально можно поставить флаг make_log на True, тогда вся статистика будет записана в одну строку. Также возможно сохранить лемматизированный отрывок, поставив флаг make_lemm_text на True.

Пример использования отражен в тестовом скрипте test.py. Его можно запустить из командной строки следующим образом:

python test.py <путь к тексту> <True или False в зависимости от желания получить текстовый файл с лемматизированным отрывком> --lemm <путь к файлу для лемм> <список слов, для которых нужно получить биграммы через |><True или False в зависимости от желания сохранить лог> --log <путь к логу опционально>

Все возможные статистики будут выведены на экран.