Sac de mots pour des titres de livres
PyBooks dispose désormais d’une liste de titres de livres à encoder pour une analyse ultérieure. L’équipe data pense que le modèle Bag of Words (BoW) pourrait être la meilleure approche.
Les packages suivants ont été importés pour vous : torch, torchtext.
Cet exercice fait partie du cours
Deep Learning pour le texte avec PyTorch
Instructions
- Importez la classe
CountVectorizerpour implémenter le bag-of-words. - Initialisez un objet de la classe importée, puis utilisez-le pour transformer
titlesen une représentation matricielle. - Extrayez et affichez les cinq premiers noms de caractéristiques et les titres encodés avec la méthode
get_feature_names_out().
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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])