Как создать окно / чанк для списка предложений?
У меня есть список предложений, и я хочу создать скипграмму (window size = 3), но я, НЕ, хочу, чтобы счетчик охватывал предложения, поскольку все они не связаны.
Итак, если у меня есть предложения:
[["my name is John"] , ["This PC is black"]]
тройняшки будут:
[my name is]
[name is john]
[this PC is]
[PC is black]
Как лучше всего это сделать?
Ответы 3
Вот простая функция для этого.
def skipgram(corpus, window_size = 3):
sg = []
for sent in corpus:
sent = sent[0].split()
if len(sent) <= window_size:
sg.append(sent)
else:
for i in range(0, len(sent)-window_size+1):
sg.append(sent[i: i+window_size])
return sg
corpus = [["my name is John"] , ["This PC is black"]]
skipgram(corups)
Попробуй это!
from nltk import ngrams
def generate_ngrams(sentences,window_size =3):
for sentence in sentences:
yield from ngrams(sentence[0].split(), window_size)
sentences= [["my name is John"] , ["This PC is black"]]
for c in generate_ngrams(sentences,3):
print (c)
#output:
('my', 'name', 'is')
('name', 'is', 'John')
('This', 'PC', 'is')
('PC', 'is', 'black')
Благодарность! Учитывая триграмму, есть ли хорошая реализация функции loss_ для word2vec?
@ai_learning, знаете ли вы, почему, когда я запускаю его, он ничего не распечатывает, а только выдает сообщение «DeprecationWarning generator 'ngrams' подняло StopIteration». Я могу проигнорировать сообщение, но оно по-прежнему ничего не выводит при выполнении кода.
Звучит интересно. Не могли бы вы добавить больше деталей и задать это как отдельный вопрос.
Вам действительно не нужен skipgram как таковой, но вам нужен кусок по размеру, попробуйте следующее:
from lazyme import per_chunk
tokens = "my name is John".split()
list(per_chunk(tokens, 2))
[вне]:
[('my', 'name'), ('is', 'John')]
Если вам нужно скользящее окно, например ngrams:
from lazyme import per_window
tokens = "my name is John".split()
list(per_window(tokens, 2))
[вне]:
[('my', 'name'), ('name', 'is'), ('is', 'John')]
Аналогично в NLTK для нграмм:
from nltk import ngrams
tokens = "my name is John".split()
list(ngrams(tokens, 2))
[вне]:
[('my', 'name'), ('name', 'is'), ('is', 'John')]
Если вам нужны настоящие скипграммы, Как вычислить скипграммы в Python?
from nltk import skipgrams
tokens = "my name is John".split()
list(skipgrams(tokens, n=2, k=1))
[вне]:
[('my', 'name'),
('my', 'is'),
('name', 'is'),
('name', 'John'),
('is', 'John')]
Спасибо за ваш ответ. Вы знаете, как можно изменить этот код, чтобы включить счетчик для каждого из выходов?