Bag-of-words para títulos de livros
A PyBooks agora tem uma lista de títulos de livros que precisam ser codificados para análises posteriores. A equipe de dados acredita que o modelo Bag of Words (BoW) pode ser a melhor abordagem.
Os seguintes pacotes já foram importados para você: torch, torchtext.
Este exercício faz parte do curso
Deep Learning para Texto com PyTorch
Instruções do exercício
- Importe a classe
CountVectorizerpara implementar o bag-of-words. - Inicialize um objeto da classe que você importou e, em seguida, use esse objeto para transformar
titlesem uma representação matricial. - Extraia e exiba os cinco primeiros nomes de features e os títulos codificados com o método
get_feature_names_out().
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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])