标签：index word 代码 学习 vec w1 np word2vec self
word2vec内容链接
word2vec代码内容如下：
import numpy as np
from collections import defaultdict
class word2vec():
def __init__(self):
self.n = settings['n']
self.lr = settings['learning_rate']
self.epochs = settings['epochs']
self.window = settings['window_size']
def generate_training_data(self, settings, corpus):
"""
得到训练数据
"""
#defaultdict(int) 一个字典，当所访问的键不存在时，用int类型实例化一个默认值
word_counts = defaultdict(int)
#遍历语料库corpus
for row in corpus:
for word in row:
#统计每个单词出现的次数
word_counts[word] += 1
# 词汇表的长度
self.v_count = len(word_counts.keys())
# 在词汇表中的单词组成的列表
self.words_list = list(word_counts.keys())
# 以词汇表中单词为key，索引为value的字典数据
self.word_index = dict((word, i) for i, word in enumerate(self.words_list))
#以索引为key，以词汇表中单词为value的字典数据
self.index_word = dict((i, word) for i, word in enumerate(self.words_list))
training_data = []
for sentence in corpus:
sent_len = len(sentence)
for i, word in enumerate(sentence):
w_target = self.word2onehot(sentence[i])
w_context = []
for j in range(i - self.window, i + self.window):
if j != i and j <= sent_len - 1 and j >= 0:
w_context.append(self.word2onehot(sentence[j]))
training_data.append([w_target, w_context])
return np.array(training_data)
def word2onehot(self, word):
#将词用onehot编码
word_vec = [0 for i in range(0, self.v_count)]
word_index = self.word_index[word]
word_vec[word_index] = 1
return word_vec
def train(self, training_data):
#随机化参数w1,w2
self.w1 = np.random.uniform(-1, 1, (self.v_count, self.n))
self.w2 = np.random.uniform(-1, 1, (self.n, self.v_count))
for i in range(self.epochs):
self.loss = 0
# w_t 是表示目标词的one-hot向量
#w_t -> w_target,w_c ->w_context
for w_t, w_c in training_data:
#前向传播
y_pred, h, u = self.forward(w_t)
#计算误差
EI = np.sum([np.subtract(y_pred, word) for word in w_c], axis=0)
#反向传播，更新参数
self.backprop(EI, h, w_t)
#计算总损失
self.loss += -np.sum([u[word.index(1)] for word in w_c]) + len(w_c) * np.log(np.sum(np.exp(u)))
print('Epoch:', i, "Loss:", self.loss)
def forward(self, x):
"""
前向传播
"""
h = np.dot(self.w1.T, x)
u = np.dot(self.w2.T, h)
y_c = self.softmax(u)
return y_c, h, u
def softmax(self, x):
"""
"""
e_x = np.exp(x - np.max(x))
return e_x / np.sum(e_x)
def backprop(self, e, h, x):
d1_dw2 = np.outer(h, e)
d1_dw1 = np.outer(x, np.dot(self.w2, e.T))
self.w1 = self.w1 - (self.lr * d1_dw1)
self.w2 = self.w2 - (self.lr * d1_dw2)
def word_vec(self, word):
"""
获取词向量
通过获取词的索引直接在权重向量中找
"""
w_index = self.word_index[word]
v_w = self.w1[w_index]
return v_w
def vec_sim(self, word, top_n):
"""
找相似的词
"""
v_w1 = self.word_vec(word)
word_sim = {}
for i in range(self.v_count):
v_w2 = self.w1[i]
theta_sum = np.dot(v_w1, v_w2)
#np.linalg.norm(v_w1) 求范数 默认为2范数，即平方和的二次开方
theta_den = np.linalg.norm(v_w1) * np.linalg.norm(v_w2)
theta = theta_sum / theta_den
word = self.index_word[i]
word_sim[word] = theta
words_sorted = sorted(word_sim.items(), key=lambda kv: kv[1], reverse=True)
for word, sim in words_sorted[:top_n]:
print(word, sim)
def get_w(self):
w1 = self.w1
return w1
#超参数
settings = {
'window_size': 2, #窗口尺寸 m
#单词嵌入(word embedding)的维度,维度也是隐藏层的大小。
'n': 10,
'epochs': 50, #表示遍历整个样本的次数。在每个epoch中，我们循环通过一遍训练集的样本。
'learning_rate':0.01 #学习率
}
#数据准备
text = "natural language processing and machine learning is fun and exciting"
#按照单词间的空格对我们的语料库进行分词
corpus = [[word.lower() for word in text.split()]]
print(corpus)
#初始化一个word2vec对象
w2v = word2vec()
training_data = w2v.generate_training_data(settings,corpus)
#训练
w2v.train(training_data)
# 获取词的向量
word = "machine"
vec = w2v.word_vec(word)
print(word, vec)
# 找相似的词
w2v.vec_sim("machine", 3)
标签：index,word,代码,学习,vec,w1,np,word2vec,self 来源： https://blog.csdn.net/znevegiveup1/article/details/121504541
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。