Đo độ tương đồng giữa các vector từ
Trong bài học này, bạn sẽ khám phá sức mạnh của word vector bằng cách dùng các vector đã được huấn luyện trên dữ liệu thực tế. Đây là các word vector trích xuất từ bộ vector do Stanford NLP group công bố. Một word vector là một dãy hay một vector các giá trị số. Ví dụ,
dog = (0.31, 0.92, 0.13)
Khoảng cách giữa các word vector có thể được đo bằng các thước đo tương đồng cặp. Ở đây, chúng ta sẽ dùng sklearn.metrics.pairwise.cosine_similarity. Cosine similarity cho giá trị cao khi mức độ giống nhau theo từng phần tử của hai vector cao, và ngược lại.
Bài tập này là một phần của khóa học
Machine Translation với Keras
Hướng dẫn bài tập
- In
ndarray.size, in Hoa Kỳ Print4 thân mến thecat_vectorusingndarray.sizeattribute. - Tính và in ra độ tương đồng giữa
cat_vectorvàwindow_vectorbằngcosine_similarity. - Tính và in ra độ tương đồng giữa
cat_vectorvàdog_vectorbằngcosine_similarity.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
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): ', ____(____, ____))