Kom igångKom igång gratis

Doc-likhet med spaCy

Semantisk likhet innebär att man analyserar flera meningar för att identifiera likheter dem emellan. I den här övningen tränar du på att beräkna semantisk likhet mellan dokument och ett givet referensdokument. Målet är att kategorisera en lista med recensioner som är relevanta för konserverad hundmat.

Kategorin konserverad hundmat är lagrad i category. Ett urval på fem matrecensioner finns tillgängligt i en lista som heter texts. en_core_web_md är inläst som nlp.

Den här övningen är en del av kursen

Naturlig språkbehandling med spaCy

Visa kurs

Övningsinstruktioner

  • Skapa en lista documents som innehåller Doc-objekt för alla texts.
  • Skapa ett Doc-objekt av category och lagra det som category_document.
  • Iterera genom documents och skriv ut likhetspoängen för varje Doc-objekt jämfört med category_document, avrundat till tre decimaler.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Create a documents list containing Doc containers
documents = [____ for t in texts]

# Create a Doc container of the category
category = "canned dog food"
category_document = ____(____)

# Print similarity scores of each Doc container and the category_document
for i, doc in enumerate(documents):
  print(f"Semantic similarity with document {i+1}:", round(doc.____(____), 3))
Redigera och kör kod