Model BoW pro filmové slogany

V tomto cvičení máš k dispozici corpus s více než 7 000 filmovými slogany. Tvým úkolem je vytvořit reprezentaci bag of words jako bow_matrix pro tyto slogany. V tomto cvičení přeskočíme krok předzpracování textu a bow_matrix vytvoříme rovnou.

Podíváme se také na tvar výsledné bow_matrix. Prvních pět sloganů z corpus je vypsáno v konzoli, abys je mohl/a prozkoumat.

Toto cvičení je součástí kurzu

Feature Engineering for NLP in Python

Zobrazit kurz

Pokyny k cvičení

Importuj třídu CountVectorizer z knihovny sklearn.
Vytvoř instanci objektu CountVectorizer a pojmenuj ji vectorizer.
Pomocí metody fit_transform() vygeneruj bow_matrix pro corpus.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import CountVectorizer
from sklearn.feature_extraction.text import ____

# Create CountVectorizer object
____ = ____

# Generate matrix of word vectors
bow_matrix = vectorizer.____(____)

# Print the shape of bow_matrix
print(bow_matrix.shape)

Upravit a spustit kód