ПочатиПочніть безкоштовно

Семантична подібність для категоризації тексту

Головна мета семантичної подібності — виміряти відстань між смисловими значеннями пари слів, фраз, речень або документів. Наприклад, слово «car» є ближчим за змістом до «bus», ніж до «cat». У цій вправі ви знайдете речення, подібні до слова sauce, у прикладовому тексті з Amazon Fine Food Reviews. Ви можете використати spacy, щоб обчислити показник подібності між словом sauce і будь-яким із речень у рядку texts та визначити бал найбільш подібного речення.

Рядок texts уже завантажено — він містить усі дані Text з відгуків. У цій вправі ви використаєте англомовну модель en_core_web_md, яка вже доступна як nlp.

Ця вправа є частиною курсу

Обробка природної мови (NLP) зі spaCy

Переглянути курс

Інструкції до вправи

  • Використайте nlp, щоб згенерувати контейнери Doc для слова sauce та для texts і збережіть їх відповідно в key та sentences.
  • Обчисліть показники подібності між словом sauce та кожним реченням у рядку texts (округліть до двох знаків).

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Populate Doc containers for the word "sauce" and for "texts" string
key = ____
sentences = ____

# Calculate similarity score of each sentence and a Doc container for the word sauce
semantic_scores = []
for sent in sentences.____:
	semantic_scores.append({"score": round(sent.____(____), 2)})
print(semantic_scores)
Редагувати та запускати код