Вимірювання подібності векторів слів

У цьому уроці ви побачите силу векторів слів на прикладі реально натренованих векторів. Це вектори слів, отримані зі списку, опублікованого групою Stanford NLP. Вектор слова — це послідовність, тобто вектор числових значень. Наприклад, dog = (0.31, 0.92, 0.13)

Відстань між векторами слів можна оцінювати за допомогою попарних метрик подібності. Тут ми використаємо sklearn.metrics.pairwise.cosine_similarity. Косинусна подібність дає вищі значення, коли покомпонентна схожість двох векторів висока, і нижчі — коли низька.

Ця вправа є частиною курсу

Machine Translation з Keras

Переглянути курс

Інструкції до вправи

Виведіть довжину cat_vector, використавши атрибут ndarray.size.
Обчисліть і виведіть подібність між cat_vector та window_vector за допомогою cosine_similarity.
Обчисліть і виведіть подібність між cat_vector та dog_vector за допомогою cosine_similarity.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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): ', ____(____, ____))

Редагувати та запускати код