Začněte nyníZačněte zdarma

Word2Vec

V tomto cvičení vytvoříš model Word2Vec pomocí Keras.

Korpus použitý k předtrénování modelu tvoří scénáře všech epizod seriálu Teorie velkého třesku, rozdělené po jednotlivých větách. Je dostupný v proměnné bigbang.

Text v korpusu byl převeden na malá písmena a všechna slova byla tokenizována. Výsledek je uložen v proměnné tokenized_corpus.

Model Word2Vec byl předtrénován s velikostí kontextového okna 10 slov (5 před středovým slovem a 5 za ním), slova s méně než 3 výskyty byla odstraněna a jako metoda byl použit model skip-gram s 50 dimenzemi. Model je uložen v souboru bigbang_word2vec.model.

Třída Word2Vec je v prostředí již načtena z gensim.models.word2vec.

Toto cvičení je součástí kurzu

Rekurentní neuronové sítě (RNN) pro jazykové modelování s Keras

Zobrazit kurz

Pokyny k cvičení

  • Načti předtrénovaný model Word2Vec.
  • Ulož do proměnné words_of_interest seznam list se slovy "bazinga", "penny", "universe", "spock", "brain" — zachovej je v tomto pořadí.
  • Iteruj přes každé slovo ze seznamu, použij metodu .most_similar() dostupnou na atributu wv a přidej 5 nejpodobnějších slov do top5_similar_words jako slovník.
  • Vypiš nalezených 5 nejpodobnějších slov pro každé slovo ze seznamu.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Word2Vec model
w2v_model = Word2Vec.load(____)

# Selected words to check similarities
words_of_interest = ____

# Compute top 5 similar words for each of the words of interest
top5_similar_words = []
for word in words_of_interest:
    top5_similar_words.append(
      {word: [item[0] for item in w2v_model.wv.____([word], topn=5)]}
    )

# Print the similar words
____
Upravit a spustit kód