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

AWSECS:访问外部网络时出... 如果您在AWS ECS中部署了应用程序,并且该应用程序需要访问外部网络,但是无法正常访问,可能是因为...
AWSElasticBeans... 在Dockerfile中手动配置nginx反向代理。例如,在Dockerfile中添加以下代码:FR...
银河麒麟V10SP1高级服务器... 银河麒麟高级服务器操作系统简介: 银河麒麟高级服务器操作系统V10是针对企业级关键业务...
AWR报告解读 WORKLOAD REPOSITORY PDB report (PDB snapshots) AW...
AWS管理控制台菜单和权限 要在AWS管理控制台中创建菜单和权限,您可以使用AWS Identity and Access Ma...
北信源内网安全管理卸载 北信源内网安全管理是一款网络安全管理软件,主要用于保护内网安全。在日常使用过程中,卸载该软件是一种常...
群晖外网访问终极解决方法:IP... 写在前面的话 受够了群晖的quickconnet的小水管了,急需一个新的解决方法&#x...
​ToDesk 远程工具安装及... 目录 前言 ToDesk 优势 ToDesk 下载安装 ToDesk 功能展示 文件传输 设备链接 ...
Azure构建流程(Power... 这可能是由于配置错误导致的问题。请检查构建流程任务中的“发布构建制品”步骤,确保正确配置了“Arti...
不能访问光猫的的管理页面 光猫是现代家庭宽带网络的重要组成部分,它可以提供高速稳定的网络连接。但是,有时候我们会遇到不能访问光...