텍스트 범주화를 위한 의미 유사도
의미 유사도의 핵심 목표는 단어, 구, 문장 또는 문서 쌍의 의미적 거리를 측정하는 것입니다. 예를 들어, “car”는 “cat”보다 “bus”와 더 가깝습니다. 이 연습 문제에서는 Amazon Fine Food Reviews의 예시 텍스트에서 단어 sauce와 비슷한 문장을 찾아보겠습니다. 주어진 texts 문자열 안의 문장들에 대해 단어 sauce와의 유사도 점수를 spacy로 계산하고, 가장 유사한 문장의 점수를 보고하세요.
모든 리뷰의 Text 데이터가 포함된 texts 문자열이 미리 로드되어 있습니다. 이 연습에서는 이미 nlp로 제공되는 en_core_web_md 영어 모델을 사용합니다.
이 연습은 강의의 일부입니다
spaCy로 배우는 자연어 처리
연습 안내
nlp를 사용해 단어sauce와texts에 대한Doc컨테이너를 생성하고, 각각key와sentences에 저장하세요.texts문자열의 각 문장에 대해 단어sauce와의 유사도 점수를 계산하세요(소수점 둘째 자리까지 반올림).
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Populate Doc containers for the word "sauce" and for "texts" string
key = ____
sentences = ____
# Calculate similarity score of each sentence and a Doc container for the word sauce
semantic_scores = []
for sent in sentences.____:
semantic_scores.append({"score": round(sent.____(____), 2)})
print(semantic_scores)