n-grams से आगे: word embeddings

Python में NLP के लिए Feature Engineering

Rounak Banik

Data Scientist

BoW और tf-idf की दिक्कत

'I am happy'

'I am joyous'

'I am sad'

शब्दों को n-आयामी वेक्टर स्पेस में मैप करना
डीप लर्निंग और बहुत बड़े डेटा से तैयार
दो शब्दों की समानता मापें
समानार्थी और विलोम पहचानने में उपयोगी
जटिल संबंध पकड़ता है
- King-Queen → Man-Woman
- France-Paris → Russia-Moscow
spaCy मॉडल पर निर्भर; आपके डेटासेट से स्वतंत्र

import spacy

# मॉडल लोड करें और Doc ऑब्जेक्ट बनाएँ
nlp = spacy.load('en_core_web_lg')
doc = nlp('I am happy')

# हर टोकन के लिए वर्ड वेक्टर जनरेट करें
for token in doc:
  print(token.vector)

[-1.0747459e+00  4.8677087e-02  5.6630421e+00  1.6680446e+00
 -1.3194644e+00 -1.5142369e+00  1.1940931e+00 -3.0168812e+00
 ...

doc = nlp("happy joyous sad")
for token1 in doc:
  for token2 in doc:
    print(token1.text, token2.text, token1.similarity(token2))

happy happy 1.0
happy joyous 0.63244456
happy sad 0.37338886
joyous happy 0.63244456
joyous joyous 1.0
joyous sad 0.5340932
...

# Doc ऑब्जेक्ट बनाएँ
sent1 = nlp("I am happy")
sent2 = nlp("I am sad")
sent3 = nlp("I am joyous")

# sent1 और sent2 के बीच similarity निकालें
sent1.similarity(sent2)

0.9273363837282105

# sent1 और sent3 के बीच similarity निकालें
sent1.similarity(sent3)

0.9403554938594568

Python में NLP के लिए Feature Engineering