Изучение связей между словами с помощью эмбеддингов
Эмбеддинги (векторные представления) слов отражают их значения на основе употребления в больших текстовых корпусах. Размещая похожие слова ближе друг к другу в непрерывном векторном пространстве, они позволяют моделям улавливать контекст и семантические связи, недоступные более простым методам. Теперь вы поработаете с эмбеддингами, чтобы исследовать подобные связи между словами на практике.
Модель эмбеддингов glove-wiki-gigaword-50 уже загружена и доступна через переменную model_glove_wiki.
Это упражнение является частью курса
Обработка естественного языка (NLP) на Python
Инструкции к упражнению
- Вычислите оценку схожести между словами
"king"и"queen". - Найдите 10 наиболее похожих слов для слова
"computer".
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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)