Question

我有一个numpy数组，matrixValue和3个包含以下内容的列表：

matrixValue :(类型：ndarray）wordlist中单词的出现次数按降序排列

[.. 62 62 ..]
[.. 23 21 ..]
[.. 14 13 ..]

valueList :(类型：列表）wordlist中单词的出现次数降序

[... 74, 71, 63, 62, 62, 50, 40, 23, 21, 14, 13, 11, 11...]

userGivenWord :(类型：列表）用户指定的字词

[... water, animal, flower...]

wordList :(类型：列表）包含英语词典单词列表

[.. water, ocean, lake, green, blue, sea...]

给定一个用户定义的单词，我将从单词列表中检索出有一些“语义相似性”的单词。我的问题是，对于在valueList中看到的任何重复出现（例如62,11），只打印第一个英文单词'lake'而不是sea（假设蓝色和湖泊各有62次）。

输出

water = lake, lake # wrong output
water = lake, sea # correct output

以下是我非常肯定导致问题的代码部分：

for i in range(0, 3): # printing top 3 words
    value = matrixValue[i] # returns the first two numbers, 62 & 62
    iValue = valueList.index(value) # returns the indexes in valueList for the above value 
    tagword = str(tag_list[iValue]) # retrieves the word based on the iValue
    res = userTags[x] + " = " + tagword

同样，湖泊和海洋都发生了62次。我相信错误发生在for循环的第二行。当我在调试器中查看时，我注意到“湖”这个词被添加到结果列表中两次（而不是海）。我不确定我是否在这里保持连贯，或者我是否清楚写了这个问题......但如果需要澄清，请随时问我问题。

Answer 1

如果你想获得看起来相同次数的单词，反击词将会简单得多：

from collections import Counter

c = Counter(["foo","foo","bar","bar","foobar","foob"])
print([k for k, v in c.items() if v == 2 ])
['foo', 'bar']

但是你计算相似度，如果它不是频率，只需在你的词典中存储常用词并按键访问。索引除了比使用dict效率低得多之外总是会返回第一次出现。

将计数作为键和组字存储为值：

from collections import defaultdict

d = defaultdict(list)

for k,v in c.items():
    d[v].append(k)
print(d.get(2,"N/A"))
['foo', 'bar']

根据单词列表中的给定单词获取单词推荐

1 个答案: