शब्द एम्बेडिंग का विज़ुअलाइज़ेशन और तुलना
शब्द एम्बेडिंग उच्च-आयामी होती हैं, इसलिए उन्हें सीधे समझना कठिन होता है। इस अभ्यास में, आप Principal Component Analysis (PCA) का उपयोग करके कुछ शब्द वेक्टर को 2D में प्रोजेक्ट करेंगे और उनका विज़ुअलाइज़ेशन करेंगे। इससे एम्बेडिंग स्पेस में शब्दों के अर्थ-आधारित समूह या समानताएँ दिखाने में मदद मिलती है। इसके बाद, आप दो मॉडलों की एम्बेडिंग निरूपण की तुलना करेंगे: model_glove_wiki वैरिएबल के माध्यम से उपलब्ध glove-wiki-gigaword-50, और model_glove_twitter के माध्यम से उपलब्ध glove-twitter-25.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Natural Language Processing (NLP)
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
words = ["lion", "tiger", "leopard", "banana", "strawberry", "truck", "car", "bus"]
# Extract word embeddings
word_vectors = [____[____] for word in words]
# Reduce dimensions with PCA
pca = PCA(n_components=2)
word_vectors_2d = pca.____(____)
plt.scatter(word_vectors_2d[:, 0], word_vectors_2d[:, 1])
for word, (x, y) in zip(words, word_vectors_2d):
plt.annotate(word, (x, y))
plt.title("GloVe Wikipedia Word Embeddings (2D PCA)")
plt.show()