Question

我不确定标题是否很好地描述了我的问题，但是如果出现问题，我将在以后进行编辑。我已经检查了许多与此相关的问题，但是由于代码是如此嵌套，因此我在编程方面不是很有经验，因此我需要使用无法处理的combinations。

我有一个嵌套的字典，与此类似：

example_dictionary = {'I want to eat peach and egg.':{'apple':3, 'orange':2, 'banana':5},\
                   'Peach juice is so delicious.':{'apple':3, 'orange':5, 'banana':2}, \
'Goddamn monkey ate my banana.':{'rice':4, 'apple':6, 'monkey':2}, \
'They say apple is good for health.':{'grape':10, 'monkey':5, 'peach':5, 'egg':8}}

我想做的是通过遵循一些规则来建立邻接矩阵。规则是：

1）如果任何句子中的任何一个内部字典中都存在一个单词（外部字典键），则在相关句子之间添加一个权重作为该单词的值。

2）如果两个句子中的任何一个具有相同的内部dict键（单词）但值不同，则将单词的值相乘并在相关句子之间加权重。

特别注意：内部dict的长度可以不同，相同的内部dict键（单词）的值可能不同。如果它们具有我不想考虑的相同值，我希望它们仅在这种情况下相乘。

示例：

Sentence1(0): I want to eat peach and egg. {'apple':3, 'orange':2, 'banana':5}

Sentence2(1): Peach juice is so delicious. {'apple':3, 'orange':5, 'banana':2}

Sentence3(2): Goddamn monkey ate my banana.{'rice':4, 'apple':6, 'monkey':2}

Sentence4(3): They say apple is good for health. {'grape':10, 'monkey':5, 'peach':5, 'egg':8}

0和1之间：5 * 2 + 5 * 2 = 20 （因为它们的苹果具有相同的值，只是乘以橙色和香蕉的值。任何句子。

2到3之间：（2 * 5 = 10 （猴子是具有不同值的同一个钥匙）+

6 （句子4中存在句子3“苹果”的键）+

5 （句子3中存在句子4“猴子”的键）= 21

0到3之间：3 + 5 + 8 = 16 （句子1中存在句子1的键“苹果”，句子1中存在句子4的键“蛋”和“桃子”。

我希望这些例子能使之清楚。

我尝试过的（由于嵌套的结构和组合，这让我很困惑）：

from itertools import combinations, zip_longest
import networkx as nx

def compare_inner_dicts(d1,d2):
#this is for comparing the inner dict keys and multiplying them
#if they have the same key but different value
    values = []
    inner_values = 0
    for common_key in d1.keys() & d2.keys():
        if d1[common_key]!= d2[common_key]:
            _value = d1[common_key]*d2[common_key]
            values.append(_value)
            inner_values = sum([p for p in values])

    inner_dict_values = inner_values
    del inner_values  

    return inner_dict_values


def build_adj_mat(a_dict):
    gr = nx.Graph()
    for sentence, words in a_dict.items():

        sentences = list(a_dict.keys())
        gr.add_nodes_from(sentences)
        sentence_pairs = combinations(gr.nodes, 2)
        dict_pairs = combinations(a_dict.values(), 2)
        for pair, _pair in zip_longest(sentence_pairs, dict_pairs):
            numbers = []
            x_numbers = []
            #y_numbers = []
            sentence1 = pair[0]
            sentence2 = pair[1]
            dict1 = _pair[0]
            dict2 = _pair[1]

            inner_dict_numbers = compare_inner_dicts(dict1, dict2)
            numbers.append(inner_dict_numbers)

            for word, num in words.items():
                if sentence2.find(word)>-1:
                    x = words[word]
                    x_numbers.append(x)
                    numbers.extend(x_numbers)
#                if sentence1.find(word)>-1: #reverse case
#                    y = words[word]
#                    y_numbers.append(y)
#                    numbers.extend(y_numbers)

                    total = sum([p for p in numbers if len(numbers)>0])

                    if total>0:
                        gr.add_edge(sentence1, sentence2, weight=total)
                        del total
                    else: del total
                else: 
                    continue
                    numbers.clear()
                    x_numbers.clear()
                   #y_numbers.clear()

    return gr

G = build_adj_mat(example_dictionary)
print(nx.adjacency_matrix(G))

预期结果：

(0, 1) 5*2+5*2=20
(0, 2) 3*6=18+5=23
(0, 3) 3+5+8=16
(1, 0) 20
(1, 2) 3*6=18+2=20
(1, 3) 3+5=8
(2, 0) 23
(2, 1) 20
(2, 3) 2*5=10+5+6=21
(3, 0) 16
(3, 1) 8
(3, 2) 21

输出：

  (0, 2)        23
  (0, 3)        6
  (1, 2)        23
  (1, 3)        6
  (2, 0)        23
  (2, 1)        23
  (2, 3)        16
  (3, 0)        6
  (3, 1)        6
  (3, 2)        16

通过比较预期的输出和比较的输出，我可以理解问题之一，那就是我的代码只是检查sentence1中的单词是否存在于sentence2中，但没有做相反的事情。我试图通过使用注释掉的部分来解决它，但是它返回了更多的废话结果。我也不确定是否还有其他问题。我不知道如何获得正确的结果，这两个组合和嵌套结构使我完全迷失了方向。很长的问题，很抱歉，为了清楚起见，我描述了所有内容。在此先感谢您的任何帮助。

Answer 1

您可以使用以下功能：

from collections import defaultdict
import itertools as it
import re


def compute_scores(sentence_dict):
    scores = defaultdict(int)
    for (j, (s1, d1)), (k, (s2, d2)) in it.combinations(enumerate(sentence_dict.items()), 2):
        shared_keys = d1.keys() & d2.keys()
        scores[j, k] += sum(d1[k]*d2[k] for k in shared_keys if d1[k] != d2[k])
        scores[j, k] += sum(d1[k] for k in d1.keys() & get_words(s2))
        scores[j, k] += sum(d2[k] for k in d2.keys() & get_words(s1))
    return scores


def get_words(sentence):
    return set(map(str.lower, re.findall(r'(?<=\b)\w+(?=\b)', sentence)))

结果当然取决于您定义的单词，因此您需要在函数get_words中填写自己的定义。默认实现似乎适合您的示例数据。由于根据您的定义，句子对的分数是对称的，因此也无需考虑反向配对（分数相同）。即(0, 1)的得分与(1, 0)相同。这就是代码使用itertools.combinations的原因。

运行示例数据：

from pprint import pprint

example_dictionary = {
    'I want to eat peach and egg.': {'apple':3, 'orange':2, 'banana':5},
    'Peach juice is so delicious.': {'apple':3, 'orange':5, 'banana':2},
    'Goddamn monkey ate my banana.': {'rice':4, 'apple':6, 'monkey':2},
    'They say apple is good for health.': {'grape':10, 'monkey':5, 'peach':5, 'egg':8}}

pprint(compute_scores(example_dictionary))

给出以下分数：

defaultdict(<class 'int'>,
            {(0, 1): 20,
             (0, 2): 23,
             (0, 3): 16,
             (1, 2): 20,
             (1, 3): 8,
             (2, 3): 21})

如果字典不仅可以包含单词，还可以包含短语（即多个单词），则只需对原始实现进行少量修改即可（也适用于单个单词）：

scores[j, k] += sum(weight for phrase, weight in d1.items() if phrase in s2.lower())
scores[j, k] += sum(weight for phrase, weight in d2.items() if phrase in s1.lower())

在其他内部字典键的每个组合中以及内部字典键的每个组合中搜索内部字典键的每个组合

1 个答案: