Sentence Vectors چالش 4 از جلسهی 56، متوسط
تابع sentence_vector(text) را کامل کن: متن را کوچک کن، به کلمه بشکن، فقط کلمههایی را که در words هستند نگه دار و میانگین بردارهایشان را (ستون به ستون) برگردان. خروجی سه خط: [1. 0. 0. 0.4 0. ]، [0.5 0.5 0. 0.25 0.5 ] و 0.692 0.263.
import numpy as np
words = {
"cat": np.array([1.0, 0.0, 0.0, 0.3, 0.0]),
"kitten": np.array([1.0, 0.0, 0.0, 0.1, 1.0]),
"dog": np.array([1.0, 0.0, 0.0, 0.5, 0.0]),
"puppy": np.array([1.0, 0.0, 0.0, 0.2, 1.0]),
"car": np.array([0.0, 0.0, 1.0, 0.6, 0.0]),
"bus": np.array([0.0, 0.0, 1.0, 1.0, 0.0]),
"pizza": np.array([0.0, 1.0, 0.0, 0.3, 0.0]),
"apple": np.array([0.0, 1.0, 0.0, 0.1, 0.0]),
}
def cosine(a, b):
return a @ b / (np.linalg.norm(a) * np.linalg.norm(b))
def sentence_vector(text):
vectors = []
# add the vector of every known word
return np.mean(vectors, axis=0)
a = sentence_vector("The cat chased the dog")
print(np.round(a, 2))
print(np.round(sentence_vector("My puppy ate pizza"), 2))
b = sentence_vector("a puppy and a kitten")
c = sentence_vector("we took the bus")
print(round(float(cosine(a, b)), 3), round(float(cosine(a, c)), 3))
راهنما و جواب این چالش · برگشت به درس جلسهی 56: تعبیهی کلمه ۲ · چالش بعدی: Closest Sentence
بیشتر بخوان: تابع در پایتون: آموزش def، پارامتر و return با مثال