为networkx图的连接组件中的每个节点分配索引

Question

我显示了一些连接的组件。其中一个组件具有五个节点，其中中间节点是公共节点。如何获取该组件中每个节点的索引，以便可以将其他节点与连词合并。

for component in nx.connected_components(graph):
    num_nodes=len(component)

    print num_nodes
    g=(
        filter(
            lambda x: x[0] in component and x[1] in component,
            graph.edges
        )
    ) 
    if num_nodes == 5:
        pl = []
        pl =  ''.join(item for tuple_ in g for item in tuple_)
        print 'Merged nodes'
        print pl
        sentences.append(pl)

输入句子是：शर्मान एक विकेट घेतली。 मयंकान तीन विकेट घेतली

输出是：घेतलीघेतलीतीनविकेटघेतलीएकविकेटएकविकेटशर्मानतीनविकेटमयंकानमयंकानमयंकानमयंकानमयंकानमयंकानमयंकानमयंकान

预期输出：शर्मान एक विकेट आनी मयंकान तीन विकेट घेतली

आनी 必须添加以组合节点。 Output of connected components

Answer 1

您使用单词作为唯一标识符，因此您没有索引数据。您的每个节点都由单词编码。此外，您首先构建了您未正确使用的图表（在所有问题之后，我真的可以说您不需要它）并丢失语言信息，然后您尝试使用一些丢失的信息重新创建数据。在您当前的问题中，您已经丢失了单词位置信息，因此您无法做您想做的事情（除非您正在索引所有节点，正如我在对您上一个问题的回答中所写的那样）。

我建议您将NLTK 与Indian corpus 一起使用（它已经准备好、过滤和标记）：

from nltk.corpus import indian
nltk.corpus.indian.words('hindi.pos')

它有印地语、梵文和其他语言。您可以train Punkt tokenizer（它是可自动训练的）并完成所有工作。此外，还有 NLTK 修改 for Indian languages 或特殊的 Hindi tokenizer 存在。您不需要手动完成整个工作。你不需要networkx。一切都已经由其他程序员编写了。