Question

我正在尝试计算相似度。首先，我使用RAKE库从已爬网作业中提取关键字。然后我将每个作业的关键字放入单独的数组中，然后将所有这些数组合并到documentArray中。

documentArray = [＆＃39;愤怒命令，自信，渐近，适应性，真实性，攻击性，分析的思维，分子生物学，分子生物学，分子生物学生物学，分子生物学，分子生物学，硕士，英语，分子生物学，伊斯兰堡，伊斯兰堡区，伊斯兰堡首都土，巴基斯坦,,拉瓦尔品第，拉瓦尔品第，旁遮普，巴基斯坦＆＃39;＆＃34]， [＆＃39;竞争性补偿，化验设计，积极态度，定期基础，激励他人，会议相关，改善国家，旅行，博士学位，会议论文摘要，福利待遇，日常基础，科学论文，申请说明＆＃39;]

queryStr =＆＃39;体外，生物化学，PCR，Western 印迹，神经科学，分子生物学，细胞生物学，免疫组织化学，显微镜，动物模型，演示文稿，免疫沉淀，细胞生物学，硕士学位学位，学士学位,,,,,＆＃39;

然后我写了以下GENSIM代码，

班Gensim：

def __init__(self):
    print("Init")

def calculateGensimSimilarity(self, texts, query):
    dictionary = corpora.Dictionary(texts)
    corpus = [dictionary.doc2bow(text) for text in texts]
    lsi = models.LsiModel(corpus, id2word=dictionary, num_topics=2)
    lda = models.LdaModel(corpus, id2word=dictionary, num_topics=2)
    index_lsi = similarities.MatrixSimilarity(lsi[corpus])
    index_lda = similarities.MatrixSimilarity(lda[corpus])
    vec_bow = dictionary.doc2bow(query.lower().split())
    vec_lsi = lsi[vec_bow]
    vec_lda = lda[vec_bow]
    print("LSI Model")
    sims_lsi = index_lsi[vec_lsi]
    print("LDA Model")
    print(sims_lsi)
    sims_lda = index_lda[vec_lda]
    print(sims_lda)

打印LSA得分为0，LDA得分为90％+匹配。请告诉我错误的地方以及如何修改以计算正确的余弦相似度。

LSA分数[0。0.] LDA评分[0.94234258 0.9477495]

RAKE与GENSIM

0 个答案: