【自然语言处理共现矩阵应用】共现矩阵用于表示文本中词语之间的共现关系

代码实现了共现矩阵的构建，共现矩阵用于表示文本中词语之间的共现关系。下面是代码实现原理的详细解释：

create_co_occurrence_matrix 函数：

这个函数接受一个文本语料 corpus 和一个窗口大小 window_size。
corpus 是一个包含多个句子的列表，每个句子是一个字符串。
window_size 参数表示在一个窗口内的词语将会被认为是共现的，默认为2，意味着在一个词的左右各两个位置内的词都被认为是共现的。
函数返回一个共现矩阵和词汇表。
创建词汇表和共现矩阵的空字典：

首先，定义了一个空的词汇表 vocabulary 和一个空的共现矩阵字典 co_occurrence_matrix。词汇表用于存储语料库中出现的所有唯一词语，而共现矩阵字典用于存储词语对的共现次数。
遍历每个句子：

对于给定的每个句子 sentence，我们将其拆分为单词列表 words。
更新词汇表：

将句子中的所有词语添加到词汇表中，通过 vocabulary.update(words) 实现。
构建共现矩阵字典：

对于每个词语 word 在当前句子中，以及在与之共现的其他词语 co_word，通过一个双重循环遍历窗口内的词语。
对于每一对 (word, co_word)，我们在共现矩阵字典 co_occurrence_matrix 中增加它们的共现计数，通过 co_occurrence_matrix[(word, co_word)] = co_occurrence_matrix.get((word, co_word), 0) + 1 实现。
构建共现矩阵：

在词汇表上构建一个二维列表 matrix，其大小为 len(vocabulary) * le