Bolsa de palabras para títulos de libros
PyBooks ahora tiene una lista de títulos de libros que necesitan codificarse para analizarlos más a fondo. El equipo de datos cree que el modelo Bag of Words (BoW) podría ser la mejor opción.
Se han importado por ti los siguientes paquetes: torch, torchtext.
Este ejercicio forma parte del curso
Deep Learning para texto con PyTorch
Instrucciones del ejercicio
- Importa la clase
CountVectorizerpara implementar bag-of-words. - Inicializa un objeto de la clase que importaste y úsalo para transformar
titlesen una representación matricial. - Extrae y muestra los primeros cinco nombres de características y los títulos codificados con el método
get_feature_names_out().
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# 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])