Modèle BoW pour des accroches de films
Dans cet exercice, on vous fournit un corpus de plus de 7 000 accroches publicitaires de films. Votre tâche est de générer la représentation sac de mots bow_matrix pour ces accroches. Pour cet exercice, nous allons ignorer l'étape de prétraitement du texte et générer directement bow_matrix.
Nous allons aussi examiner la forme (shape) de la bow_matrix obtenue. Les cinq premières accroches du corpus ont été affichées dans la console pour que vous puissiez les examiner.
Cette activité fait partie du cours
Ingénierie des caractéristiques pour le NLP en Python
Instructions de l’exercice
- Importez la classe
CountVectorizerdepuissklearn. - Instanciez un objet
CountVectorizer. Nommez-levectorizer. - À l'aide de
fit_transform(), générezbow_matrixpourcorpus.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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)