مثال دیکشنری (هوش مصنوعی با پایتون): people = {
مثال 1 از درس جلسهی 56 آموزش هوش مصنوعی برای نوجوانان با پایتون: تعبیهی کلمه ۲
جلسهی قبل هر کلمه یک فلش بود. فلشها را میشود جمع و تفریق کرد! بعدهای امروز: royal (سلطنتی)، male (مرد)، adult (بزرگسال)، person (آدم). king - man یعنی «پادشاه منهای مرد بودن» = تقریباً «سلطنتی بودن». حالا + woman: سلطنتی + زن = ؟ نتیجه را با queen مقایسه کن.
import numpy as np
people = {
"king": np.array([0.95, 0.95, 0.9, 1.0]),
"queen": np.array([0.9, 0.1, 0.85, 1.0]),
"man": np.array([0.05, 0.95, 0.9, 1.0]),
"woman": np.array([0.05, 0.05, 0.9, 1.0]),
"prince": np.array([0.9, 0.95, 0.2, 1.0]),
"princess": np.array([0.9, 0.05, 0.2, 1.0]),
"boy": np.array([0.05, 0.95, 0.1, 1.0]),
"girl": np.array([0.05, 0.05, 0.1, 1.0]),
}
target = people["king"] - people["man"] + people["woman"]
print(np.round(target, 2)) # [0.95 0.05 0.9 1. ]
print(people["queen"]) # [0.9 0.1 0.85 1. ] very close!
این کد را همینجا در ویرایشگر پایتون اجرا کن، عددها و متنهایش را عوض کن و دوباره اجرا کن تا ببینی چه تغییری میکند.
بیشتر بخوان: دیکشنری در پایتون: آموزش کامل کلید و مقدار با مثال
برگشت به درس جلسهی 56: تعبیهی کلمه ۲ · مثال بعدی → · چالشهای این جلسه