เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การสำรวจความสัมพันธ์ระหว่างคำด้วย Embeddings

Word embeddings จะจับความหมายของคำโดยอิงจากการใช้งานในชุดข้อมูลข้อความขนาดใหญ่ การจัดวางคำที่มีความหมายใกล้เคียงกันให้อยู่ในตำแหน่งใกล้กันในเวกเตอร์สเปซแบบต่อเนื่อง ช่วยให้โมเดลเข้าใจบริบทและความสัมพันธ์เชิงความหมายที่วิธีการพื้นฐานทั่วไปไม่สามารถทำได้ ในแบบฝึกหัดนี้ จะได้ลองใช้งาน embeddings เพื่อสำรวจความสัมพันธ์ระหว่างคำด้วยตัวเอง

โมเดล Word embedding glove-wiki-gigaword-50 ถูกโหลดเรียบร้อยแล้ว และพร้อมใช้งานผ่านตัวแปร model_glove_wiki

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การประมวลผลภาษาธรรมชาติ (NLP) ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • คำนวณคะแนนความคล้ายคลึงระหว่าง "king" และ "queen"
  • ดึงคำที่มีความหมายใกล้เคียงกับ "computer" มากที่สุด 10 คำ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)
แก้ไขและรันโค้ด