Mäta likhet mellan ordvektorer

I den här lektionen utforskar vi styrkan hos ordvektorer med hjälp av verkliga tränade ordvektorer. Dessa är ordvektorer hämtade från en lista publicerad av Stanford NLP-gruppen. En ordvektor är en sekvens, eller vektor, av numeriska värden. Till exempel: dog = (0.31, 0.92, 0.13)

Avståndet mellan ordvektorer kan mätas med ett parvist likhetsmått. Här använder vi sklearn.metrics.pairwise.cosine_similarity. Cosinus-likhet ger ett högre värde när den elementvisa likheten mellan två vektorer är hög, och ett lägre värde när den är låg.

Den här övningen är en del av kursen

Maskinöversättning med Keras

Visa kurs

Övningsinstruktioner

Skriv ut längden på cat_vector med attributet ndarray.size.
Beräkna och skriv ut likheten mellan cat_vector och window_vector med cosine_similarity.
Beräkna och skriv ut likheten mellan cat_vector och dog_vector med cosine_similarity.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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): ', ____(____, ____))

Redigera och kör kod