Matice kosinové podobnosti korpusu
V tomto cvičení máš k dispozici corpus – seznam obsahující pět vět. corpus je vypsán v konzoli. Tvým úkolem je vypočítat matici kosinové podobnosti, která obsahuje párové skóre kosinové podobnosti pro každou dvojici vět (vektorizovaných pomocí tf-idf).
Pamatuj, že hodnota na i-tém řádku a j-tém sloupci matice podobnosti představuje skóre podobnosti i-tého a j-tého vektoru.
Toto cvičení je součástí kurzu
Feature Engineering for NLP in Python
Pokyny k cvičení
- Inicializuj instanci
TfidfVectorizera pojmenuj jitfidf_vectorizer. - Pomocí
fit_transform()vytvoř tf-idf vektory procorpusa pojmenuj jetfidf_matrix. - Použij
cosine_similarity()a předej jítfidf_matrixpro výpočet matice kosinové podobnosticosine_sim.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Initialize an instance of tf-idf Vectorizer
tfidf_vectorizer = ____
# Generate the tf-idf vectors for the corpus
tfidf_matrix = tfidf_vectorizer.fit_transform(____)
# Compute and print the cosine similarity matrix
cosine_sim = ____(____, tfidf_matrix)
print(cosine_sim)