เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การแทนค่าด้วย TF-IDF สำหรับ feedback ของผลิตภัณฑ์

คุณกำลังทำงานร่วมกับทีม customer support ของบริษัท smart home แห่งหนึ่ง ทีมงานได้รวบรวม feedback จากผู้ใช้เกี่ยวกับอุปกรณ์ smart home หลากหลายรุ่น และต้องการระบุว่าคำไหนโดดเด่นในแต่ละ review คุณแนะนำให้ใช้เทคนิค TF-IDF เพื่อช่วยเน้นคำที่มีความเกี่ยวข้องมากที่สุดในแต่ละ feedback มาช่วยให้พวกเขาเริ่มต้นได้เลย!

ฟังก์ชัน preprocess() ที่รับข้อความและคืนค่าข้อความที่ผ่านการประมวลผลแล้วถูกโหลดไว้ให้แล้ว ฟังก์ชันนี้ทำการแปลงเป็นตัวพิมพ์เล็ก tokenization และลบเครื่องหมายวรรคตอน นอกจากนี้ยังมีการ import Pandas เป็น pd และคลาส TfidfVectorizer พร้อมใช้งานแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การประมวลผลภาษาธรรมชาติ (NLP) ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง TF-IDF vectorizer
  • แปลง cleaned reviews ให้เป็น tfidf_matrix
  • สร้าง DataFrame ชื่อ df สำหรับ tfidf_matrix โดยใช้คำศัพท์ใน vocabulary เป็นคอลัมน์

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

reviews = ["The smart speaker is incredible. Clear sound and fast responses!",
           "I am disappointed with the smart bulb. It stopped working in a week.",
           "The thermostat is okay. Not too smart, but functional."]
cleaned_reviews = [preprocess(review) for review in reviews]

# Initialize the vectorizer
vectorizer = ____
# Transform the cleaned reviews
tfidf_matrix = ____
# Create a DataFrame for TF-IDF
df = pd.DataFrame(
  tfidf_matrix.toarray(),
  columns=vectorizer.____
)
print(df.head())
แก้ไขและรันโค้ด