我正在使用 spacy 进行简单的自然语言处理。 我正致力于通过测量单词之间的相似度来过滤掉单词。
我编写并使用了 spacy 文档中显示的以下简单代码,但结果看起来不像 documentation。 .
import spacy
nlp = spacy.load('en_core_web_lg')
tokens = nlp('dog cat banana')
for token1 in tokens:
for token2 in tokens:
sim = token1.similarity(token2)
print("{:>6s}, {:>6s}: {}".format(token1.text, token2.text, sim))
代码结果如下。
dog, dog: 1.0
dog, cat: 2.307269867164827e-21
dog, banana: 0.0
cat, dog: 2.307269867164827e-21
cat, cat: 1.0
cat, banana: -0.04468117654323578
banana, dog: -7.828739256116838e+17
banana, cat: -8.242222286053048e+17
banana, banana: 1.0
特别是“狗”和“猫”之间的相似度应该在0.8左右,但不是一个非常非常小的值。
此外,“狗”和“香蕉”之间的相似度为 0.0,但“香蕉”和“狗”之间的相似度为 -7.828739256116838e+17。
我不知道怎么解决。
请帮帮我。
请您参考如下方法:
首先安装大型 EN 模型(或所有模型)。
python3 -m spacy.en.download all
接下来,根据文档尝试使用示例代码,
nlp = spacy.load('en_core_web_md')
如果这不起作用,而不是上面尝试加载,
nlp = spacy.load('en')
完成上述更改后,结果与文档一致。
python3 /tmp/c.py
dog, dog: 1.000000078333395
dog, cat: 0.8016855098942641
dog, banana: 0.2432764518408807
cat, dog: 0.8016855098942641
cat, cat: 1.0000001375986456
cat, banana: 0.2815436412709355
banana, dog: 0.2432764518408807
banana, cat: 0.2815436412709355
banana, banana: 1.000000107068369
