Разница между большинством_подобных и похожих_в_векторе в gensim word2vec? - PullRequest
Новая
       9

Разница между большинством_подобных и похожих_в_векторе в gensim word2vec?

0 голосов
/ 10 мая 2018

Я был перепутан с результатами большинства_подобных и подобных_векторов из Word2vecKeyedVectors от gensim. Предполагается, что они рассчитывают косинусные сходства таким же образом - однако:

Запуск их одним словом дает идентичные результаты, например: model.most_s Similar (['obama']) и Similar_by_vector (модель ['obama'])

но если я приведу это уравнение: 

model.most_similar(positive=['king', 'woman'], negative=['man'])

дает: 

[('queen', 0.7515910863876343), ('monarch', 0.6741327047348022), ('princess', 0.6713887453079224), ('kings', 0.6698989868164062), ('kingdom', 0.5971318483352661), ('royal', 0.5921063423156738), ('uncrowned', 0.5911505818367004), ('prince', 0.5909028053283691), ('lady', 0.5904011130332947), ('monarchs', 0.5884358286857605)]

в то время как с: 

q = model['king'] - model['man'] + model['woman']
model.similar_by_vector(q)

дает: 

[('king', 0.8655095100402832), ('queen', 0.7673765420913696), ('monarch', 0.695580005645752), ('kings', 0.6929547786712646), ('princess', 0.6909604668617249), ('woman', 0.6528975963592529), ('lady', 0.6286187767982483), ('prince', 0.6222133636474609), ('kingdom', 0.6208546161651611), ('royal', 0.6090123653411865)]

Есть заметная разница в косинусном расстоянии слов королева, монарх ... и т. Д. Мне интересно, почему?

Спасибо!

1 Ответ

0 голосов
/ 10 мая 2018

Аналогичная функция most_similar извлекает векторы, соответствующие "king", "woman" и "man", а нормализует их перед вычислением king - man + woman ( исходный код : use_norm=True).

Функция вызова model.similar_by_vector(v) просто вызывает model.most_similar(positive=[v]). Таким образом, разница в том, что most_similar ведет себя в зависимости от типа ввода (строка или вектор).

Наконец, когда most_similar имеет строковые входы, он удаляет слова из выходных данных (именно поэтому «король» не появляется в результатах).

Кусок кода, чтобы увидеть различия: 

>>> un = False
>>> v = model.word_vec("king", use_norm=un) + model.word_vec("woman", use_norm=un) - model.word_vec("man", use_norm=un)
>>> un = True
>>> v2 = model.word_vec("king", use_norm=un) + model.word_vec("woman", use_norm=un) - model.word_vec("man", use_norm=un)
>>> model.most_similar(positive=[v], topn=6)
[('king', 0.8449392318725586), ('queen', 0.7300517559051514), ('monarch', 0.6454660892486572), ('princess', 0.6156251430511475), ('crown_prince', 0.5818676948547363), ('prince', 0.5777117609977722)]
>>> model.most_similar(positive=[v2], topn=6)
[('king', 0.7992597222328186), ('queen', 0.7118192911148071), ('monarch', 0.6189674139022827), ('princess', 0.5902431011199951), ('crown_prince', 0.5499460697174072), ('prince', 0.5377321243286133)]
>>> model.most_similar(positive=["king", "woman"], negative=["man"], topn=6)
[('queen', 0.7118192911148071), ('monarch', 0.6189674139022827), ('princess', 0.5902431011199951), ('crown_prince', 0.5499460697174072), ('prince', 0.5377321243286133), ('kings', 0.5236844420433044)]
...