如何从已分词文档提取名词并筛选Top3？代码故障排查求助

你的代码存在几个关键问题，导致无法正常提取名词：

• 重复创建分词文档：sT2已经是tokenizedDocument对象，无需再用tokenizedDocument(sT2)重新创建，这会导致后续处理异常。
• 循环范围错误：size(td7)返回的是包含行数和列数的二维数组，直接用for ii = 1:siztd7会导致循环次数错误，应该取行数siztd7(1)。
• Cell数组访问错误：td7是cell数组，需要用花括号{}访问内部元素，而不是圆括号()，否则strcmp比较的是cell对象而非字符串内容。
• 提取目标行错误：保存名词时，你始终取tdetails(1,:)（第一行），应该取当前循环对应的tdetails(ii,:)。
• 未初始化结果容器：tDNoun未提前初始化，直接赋值会引发维度不匹配的错误。

修正后的代码 #

% 初始化字符串数组并创建分词文档
strs = [
    "a strongly worded collection of words and letters"
    "another collection of words"];
tD = tokenizedDocument(strs);

% 添加词性标注
tD = addPartOfSpeechDetails(tD);

% 获取分词详情表
tdetails = tokenDetails(tD);

% 提取词性列（转为cell数组）
posCell = table2cell(tdetails(:, "PartOfSpeech"));

% 初始化存储名词的table
tDNoun = table();
cc = 1;

% 遍历所有分词，筛选名词
for ii = 1:size(posCell, 1)
    if strcmp(posCell{ii, 1}, 'noun')
        tDNoun(cc, :) = tdetails(ii, :);
        cc = cc + 1;
    end
end

% 创建词袋并提取前3个高频名词
bag = bagOfWords(tDNoun.Token);
top3Nouns = topkwords(bag, 3)

内容的提问来源于stack exchange，提问作者Mark Palmer