Декартовы координаты для обозначения

Скорее всего, вы имеете в виду что-то под названием «встраивание» и используете методы уменьшения размерности, такие как PCA. Они часто используются в машинном обучении для таких задач, как классификация и кластеризация.

На вашем месте я бы сначала исследовал встраивание слов: Word2Vec из модели gensim.models — действительно хороший кандидат. По сути, вы преобразуете слова в непрерывное векторное пространство и сохраняете контекстные связи.

Вот пример того, как это сделать:

import pandas as pd
from gensim.models import Word2Vec
from sklearn.decomposition import PCA
import matplotlib.pyplot as plt

basic_data = [
    {"label": "First-Person RPG", "Tags": ["Open-world", "Fantasy", "Adventure", "Single-player", "Exploration", "Dragons", "Crafting", "Magic", "Story-rich", "Moddable"]},
    {"label": "Action RPG", "Tags": ["Open-world", "Fantasy", "Story-rich", "Adventure", "Single-player", "Monsters", "Crafting", "Horse-riding", "Magic", "Narrative"]},
    {"label": "Adventure", "Tags": ["Difficult", "Dark Fantasy", "Action", "Single-player", "Exploration", "Lore-rich", "Combat", "Permadeath", "Monsters", "Atmospheric"]},
    {"label": "Party Game", "Tags": ["Multiplayer", "Social Deduction", "Indie", "Strategy", "Casual", "Space", "Deception", "Survival", "Teams", "Interactive"]}
]

sentences = [data["Tags"] for data in basic_data]

model = Word2Vec(sentences, vector_size=50, window=3, min_count=1, sg=1)
tag_embeddings = {tag: model.wv[tag] for tag in model.wv.index_to_key}
tag_vectors = [tag_embeddings[tag] for tag in model.wv.index_to_key]
tag_labels = list(tag_embeddings.keys())

pca = PCA(n_components=2)
pca_result = pca.fit_transform(tag_vectors)

plt.figure(figsize=(12, 8))
plt.scatter(pca_result[:, 0], pca_result[:, 1])

for i, tag in enumerate(tag_labels):
    plt.annotate(tag, (pca_result[i, 0], pca_result[i, 1]))

plt.xlabel('PCA Component 1')
plt.ylabel('PCA Component 2')
plt.title('Tag Embeddings Visualized with PCA')
plt.show()

что дает вам (здесь ваши координаты)

Обратите внимание, что здесь используется PCA. Это имеет смысл, поскольку вам нужно уменьшить размерность и сохранить контекстные связи между словами.

Еще одна альтернатива — FastText, тоже из gensim.models:

import pandas as pd
import numpy as np
from gensim.models import FastText
from sklearn.decomposition import PCA
import matplotlib.pyplot as plt

basic_data = [
    {"label": "First-Person RPG", "Tags": ["Open-world", "Fantasy", "Adventure", "Single-player", "Exploration", "Dragons", "Crafting", "Magic", "Story-rich", "Moddable"]},
    {"label": "Action RPG", "Tags": ["Open-world", "Fantasy", "Story-rich", "Adventure", "Single-player", "Monsters", "Crafting", "Horse-riding", "Magic", "Narrative"]},
    {"label": "Adventure", "Tags": ["Difficult", "Dark Fantasy", "Action", "Single-player", "Exploration", "Lore-rich", "Combat", "Permadeath", "Monsters", "Atmospheric"]},
    {"label": "Party Game", "Tags": ["Multiplayer", "Social Deduction", "Indie", "Strategy", "Casual", "Space", "Deception", "Survival", "Teams", "Interactive"]}
]

sentences = [data["Tags"] for data in basic_data]
model = FastText(sentences, vector_size=50, window=3, min_count=1, sg=1, epochs=10)
tag_embeddings = {tag: model.wv[tag] for tag in model.wv.key_to_index}

tag_vectors = np.array([tag_embeddings[tag] for tag in tag_embeddings])
tag_labels = list(tag_embeddings.keys())

pca = PCA(n_components=2)
pca_result = pca.fit_transform(tag_vectors)

plt.figure(figsize=(12, 8))
plt.scatter(pca_result[:, 0], pca_result[:, 1])

for i, tag in enumerate(tag_labels):
    plt.annotate(tag, (pca_result[i, 0], pca_result[i, 1]))

plt.xlabel('PCA Component 1')
plt.ylabel('PCA Component 2')
plt.title('Tag Embeddings Visualized with PCA')
plt.show()

с tag_vector, заданным

array([[ 3.5692262e-03,  1.5384286e-03,  1.7154109e-03, ...,
         5.1359989e-04,  1.0005912e-03, -1.4637399e-03],
       [-3.5827586e-03,  2.6330323e-04,  2.4984824e-04, ...,
         2.1814678e-03, -7.5217336e-06,  2.8979264e-03],
       [-1.4136693e-03, -1.3430609e-03, -1.2442525e-03, ...,
         2.1025788e-03,  3.1783513e-04, -1.0448305e-05],
       ...,
       [-3.3974617e-03,  4.9481675e-04, -2.5317934e-04, ...,
        -1.1619454e-03,  1.1570274e-03, -2.4804280e-03],
       [ 1.7241882e-03,  9.6893904e-04, -2.9550551e-04, ...,
        -1.6130345e-04, -1.8300014e-03, -8.8712422e-04],
       [ 3.8428712e-04, -6.7049061e-04, -2.3678755e-03, ...,
         1.6739646e-03, -2.6099158e-03,  2.2148804e-03]], dtype=float32)

Конечно, существуют и другие методы, и я советую вам поискать ссылки на встраивание слов и понять методы уменьшения размерности, такие как анализ главных компонентов.

Также обратите внимание, что в зависимости от выбранной вами техники вы получите разные результаты. Посмотрите, что на самом деле делают эти методы.