1. Learn
    2. /
  2. Courses
    3. /
  3. Traduction automatique avec Keras
Connected

Exercise

Mesurer la similarité entre vecteurs de mots

Dans cette leçon, vous allez découvrir la puissance des vecteurs de mots en utilisant des vecteurs entraînés sur des données réelles. Il s'agit de vecteurs tirés d'une liste publiée par le Stanford NLP group. Un vecteur de mots est une suite, ou un vecteur, de valeurs numériques. Par exemple, dog = (0.31, 0.92, 0.13)

La distance entre des vecteurs de mots peut être mesurée à l'aide d'une mesure de similarité par paires. Ici, nous utiliserons sklearn.metrics.pairwise.cosine_similarity. La similarité cosinus donne une valeur plus élevée lorsque la similarité élément par élément de deux vecteurs est grande, et l'inverse lorsqu'elle est faible.

Instructions

100 XP
  • Affichez la longueur de cat_vector en utilisant l'attribut ndarray.size.
  • Calculez et affichez la similarité entre cat_vector et window_vector avec cosine_similarity.
  • Calculez et affichez la similarité entre cat_vector et dog_vector avec cosine_similarity.