Explorando as relações entre palavras com embeddings
As incorporações de palavras capturam os significados das palavras com base no seu uso em grandes conjuntos de dados de texto. Ao colocar palavras parecidas mais perto umas das outras num espaço vetorial contínuo, elas permitem que os modelos reconheçam o contexto e as relações semânticas que métodos mais básicos não conseguem captar. Agora você vai trabalhar com embeddings para explorar esses tipos de relações entre palavras em primeira mão.
O modelo de incorporação de palavras glove-wiki-gigaword-50 foi carregado com sucesso e está pronto para ser usado através da variável model_glove_wiki.
Este exercício faz parte do curso
Processamento de Linguagem Natural (NLP) em Python
Instruções do exercício
- Calcule a pontuação de similaridade entre
"king"e"queen". - Veja as 10 palavras mais parecidas com “
"computer"”.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Compute similarity between "king" and "queen"
similarity_score = model_glove_wiki.____
print(similarity_score)
# Get top 10 most similar words to "computer"
similar_words = model_glove_wiki.____
print(similar_words)