不同的单词嵌入方法能够在同一数据集中产生相同的词汇吗?
创始人
2025-01-08 13:01:25
0

是的,不同的单词嵌入方法可以在同一数据集中产生相同的词汇,因为它们使用相同的词汇表。以下是使用Python中的GloVe、word2vec和fasttext方法生成嵌入向量并在相同数据集上训练的示例代码:

from gensim.models import Word2Vec, KeyedVectors
from gensim.scripts.glove2word2vec import glove2word2vec
import numpy as np
import pandas as pd
import io
import zipfile
from urllib.request import urlopen

# load dataset
url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/00228/smsspamcollection.zip'
zipresp = urlopen(url)
zipfile = zipfile.ZipFile(io.BytesIO(zipresp.read()))
file = zipfile.open('SMSSpamCollection')
sms = pd.read_csv(file, sep='\t', header=None, names=['label', 'message'])

# GloVe embedding
glove_file = 'http://nlp.stanford.edu/data/glove.6B.zip'
zipresp = urlopen(glove_file)
zipfile = zipfile.ZipFile(io.BytesIO(zipresp.read()))
model_file = 'glove.6B.100d.txt'
zipfile.extract(model_file, './')
glove2word2vec('glove.6B.100d.txt', 'glove.6B.100d.word2vec.txt')
glove_model = KeyedVectors.load_word2vec_format('glove.6B.100d.word2vec.txt', binary=False)
glove_vectors = []
for word in sms['message'].str.split():
    try:
        vector = glove_model[word].mean(axis=0)
    except KeyError:
        vector = np.zeros((100,))
    glove_vectors.append(list(vector))
    
# word2vec embedding
w2v_model = Word2Vec(sentences=sms['message'].str.split(), size=100, min_count=1)
w2v_vectors = []
for word in sms['message'].str.split():
    try:
        vector

相关内容

热门资讯

前端-session、jwt 目录:   (1)session (2&#x...
linux入门---制作进度条 了解缓冲区 我们首先来看看下面的操作: 我们首先创建了一个文件并在这个文件里面添加了...
关于测试,我发现了哪些新大陆 关于测试 平常也只是听说过一些关于测试的术语,但并没有使用过测试工具。偶然看到编程老师...
前缀和与对数器与二分法 1. 前缀和 假设有一个数组,我们想大量频繁的去访问L到R这个区间的和,...
nodejs:本地安装nvm实... 一、背景-使用不同版本node的原因 vue3+ts、nuxt3版本,node...
JAVA集合知识整理 Java集合知识整理 HashMap相关 HashMap的底层数据结构:jdk1.8之...
无刷直流电机介绍及单片机控制实... 无刷直流电机介绍及单片机控制实例前言基本概念优势与劣势使用寿命基本结构使用单片机控制实例电子调速器&...
fwdiary(2) dp2 1.传纸条  AcWing 275. 传纸条 - AcWing 走两条路,走一条最大的...
常用的DOS命令 常用的DOS命令 DOS(Disk Operating System,磁...
<C++> 类和对象(下) 1.const成员函数将const修饰的“成员函数”称之为const成员函数,cons...