Bag-of-Words für Buchtitel
PyBooks hat jetzt eine Liste von Buchtiteln, die für weitere Analysen kodiert werden müssen. Das Data-Team hält das Bag-of-Words-(BoW)-Modell für den besten Ansatz.
Die folgenden Pakete wurden für dich importiert: torch, torchtext.
Diese Übung ist Teil des Kurses
Deep Learning für Text mit PyTorch
Anleitung zur Übung
- Importiere die Klasse
CountVectorizer, um Bag-of-Words zu implementieren. - Initialisiere ein Objekt der importierten Klasse und verwandle damit die
titlesin eine Matrixdarstellung. - Extrahiere und zeige die ersten fünf Feature-Namen und kodierten Titel mit der Methode
get_feature_names_out()an.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Import from sklearn
from sklearn.feature_extraction.text import ____
titles = ['The Great Gatsby','To Kill a Mockingbird','1984','The Catcher in the Rye','The Hobbit', 'Great Expectations']
# Initialize Bag-of-words with the list of book titles
vectorizer = ____()
bow_encoded_titles = ____.fit_transform(____)
# Extract and print the first five features
print(vectorizer.____[:5])
print(bow_encoded_titles.toarray()[0, :5])