Python | Сходство слов с использованием spaCy

Опубликовано: 15 Февраля, 2022

Сходство слов - это число от 0 до 1, которое говорит нам, насколько близки два слова семантически. Это делается путем нахождения сходства между векторами слов в векторном пространстве. spaCy, одна из самых быстрых библиотек НЛП, широко используемых сегодня, предоставляет простой метод для решения этой задачи.

spaCy’s Model –
spaCy supports two methods to find word similarity: using context-sensitive tensors, and using word vectors. Below is the code to download these models.

# Downloading the small model containing tensors.
python -m spacy download en_core_web_sm

# Downloading over 1 million word vectors.
python -m spacy download en_core_web_lg

Below is the code to find word similarity, which can be extended to sentences and documents.

import spacy
  
nlp = spacy.load("en_core_web_md")
  
print("Enter two space-separated words")
words = input()
  
tokens = nlp(words)
  
for token in tokens:
    # Printing the following attributes of each token.
    # text: the word string, has_vector: if it contains
    # a vector representation in the model, 
    # vector_norm: the algebraic norm of the vector,
    # is_oov: if the word is out of vocabulary.
    print(token.text, token.has_vector, token.vector_norm, token.is_oov)
  
token1, token2 = tokens[0], tokens[1]
  
print("Similarity:", token1.similarity(token2))

Output:

cat True 6.6808186 False
dog True 7.0336733 False
Similarity: 0.80168545

The ‘en_core_web_md’ model yields vectors of dimension 300*1 for ‘dog’ and ‘cat’. One may also use the larger model, ‘en_vectors_web_lg’ which yields vectors of larger dimension for the same two words.

Using Custom Language Models –
By simply switching the language model, we can find a similarity between Latin, French or German documents. spaCy supports a total of 49 languages at present. spaCy also allows one to fix word vectors for words as per user need. Below is an example.

import spacy
import numpy as np
from spacy.vocab import Vocab
  
nlp = spacy.load("en_core_web_md")
new_word = "bucrest"
  
print("Before custom setting")
print(vocab.get_vector("bucrest"))
  
custom_vector = np.random.uniform(-1, 1, (300, ))
  
vocab.set_vector(new_word, custom_vector)
  
print("After custom setting")
print(vocab.get_vector("bucrest"))

Output:

Before custom setting
array([0., 0., 0., 0., 0., 0., 0., 0., --- ])

After custom setting
array([ 0.68106073,  0.6037007,  0.9526876, -0.25600302, -0.24049562, --- ])

Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.

Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.

Python Обработка естественного языка

Python | Сходство слов с использованием spaCy

РЕКОМЕНДУЕМЫЕ СТАТЬИ