Измерение сходства векторов слов
В этом уроке мы познакомимся с возможностями векторных представлений слов на примере реально обученных векторов. Они извлечены из набора векторов, опубликованного группой Stanford NLP. Вектор слова — это последовательность числовых значений, например:
dog = (0.31, 0.92, 0.13)
Расстояние между векторами слов можно измерить с помощью попарной метрики сходства. В этом упражнении мы используем sklearn.metrics.pairwise.cosine_similarity. Косинусное сходство принимает высокое значение, когда два вектора близки по составляющим, и низкое — в противном случае.
Это упражнение является частью курса
Машинный перевод с Keras
Инструкции к упражнению
- Выведите длину вектора
cat_vector, используя атрибутndarray.size. - Вычислите и выведите сходство между
cat_vectorиwindow_vectorс помощьюcosine_similarity. - Вычислите и выведите сходство между
cat_vectorиdog_vectorс помощьюcosine_similarity.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
from sklearn.metrics.pairwise import cosine_similarity
# Print the length of the cat_vector
print('Length of the cat_vector: ', ____.____)
# Compute and print the similarity between cat and window vectors
dist_cat_window = ____(____, window_vector)
print('Similarity(cat, window): ', ____)
# Compute and print the similarity between cat and dog vectors
print('Similarity(cat,dog): ', ____(____, ____))