NLP | LimeTextExplainer for bigrams

Question

在NLP任务中，我想了解分类器的“规则”。为此，我建立了一个LimeTExtExplainer

c= make_pipeline(cv,naive_bayes)
explainer = LimeTextExplainer(class_names=class_names, random_state=42, bow=False)
exp = explainer.explain_instance(X_test[i], c.predict_proba, num_features=20,) 
fig = exp.as_pyplot_figure()

上面的代码创建了一个很好的1Gram列表，这正是我想要的。 ：

在下一步中，我想做同样的事情，但是要用bigrams。我将功能提取器更改为仅计算Bigram：

cv = CountVectorizer(strip_accents='ascii', analyzer='word',                                    
                 token_pattern=u'(?ui)\\b\\w*[a-z]+\\w*\\b',                                
                 lowercase=True, stop_words='english',                                      
                 ngram_range=(2,2), max_features=None)

问题：

1. 我对Limeexplainer使用与上面相同的代码。但是现在 这个图和以前一样只显示了1grams，但我只计算了bigrams
2. 作为一个附带问题，图形的水平轴显示 该词占分类的绝对概率 可能性例如，文本X类概率为0.67， 在0.67中，确认账户约为0.009，语言账户约为0.007， 对吧?

提前谢谢

Answer 1

至少我得到了第二个问题的答案：

这些都是概率，但不是我想的那样

例如，X类的预测概率为0.808。如果现在从基础语料库中删除单词“recognit”，那么预测类的总预测概率将减少0.008&燃气轮机；概率等级x等于0.800

有关石灰的详细信息，我强烈建议： “我为什么要相信你？”Riberio et.al（2016）