Как оптимально посчитать количество биграмм в тексте, исключив некоторые?

import codecs
from nltk import bigrams
 
def gen_Bigram(text):
        f = codecs.open(text,'r','utf8').read()
        tokens = f.split()
        mn_bigram = bigrams(tokens)
        return mn_bigram
 
def collect():
        arr = []
        for a in gen_Bigram('2.txt'):
                aN = (' '.join(a))
                arr.append(aN)
        for s in gen_Bigram('3.txt'):
                sN = (' '.join(s))
                arr.append(sN)
        for d in gen_Bigram('4.txt'):
                dN = (' '.join(d))
                arr.append(dN)
        words = set(arr)
        return words
                
 
 
def out_write():
        fOut = codecs.open('out.txt', 'w', 'utf-8')        
        dic = {}
        for ml in gen_Bigram('1.txt'):
                mlF = (' '.join(ml))
                if mlF not in collect():
                        if mlF in dic:
                                dic[mlF] += 1
                        else:
                                dic[mlF] = 1
    
        
        for z in dic:
            fOut.write(z + '#' + str(dic[z]))
            fOut.write('\r\n')
        fOut.close()
                        
out_write()

if mlF not in collect():

s0 = s1-s2-s3-s4