我试图让doc2vec函数在python 3中运行。 我有以下代码:
tekstdata = [[ index, str(row["StatementOfTargetFiguresAndPoliciesForTheUnderrepresentedGender"])] for index, row in data.iterrows()]
def prep (x):
low = x.lower()
return word_tokenize(low)
def cleanMuch(data, clean):
output = []
for x, y in data:
z = clean(y)
output.append([str(x), z])
return output
tekstdata = cleanMuch(tekstdata, prep)
def tagdocs(docs):
output = []
for x,y in docs:
output.append(gensim.models.doc2vec.TaggedDocument(y, x))
return output
tekstdata = tagdocs(tekstdata)
print(tekstdata[100])
vectorModel = gensim.models.doc2vec.Doc2Vec(tekstdata, size = 100, window = 4,min_count = 3, iter = 2)
ranks = []
second_ranks = []
for x, y in tekstdata:
print (x)
print (y)
inferred_vector = vectorModel.infer_vector(y)
sims = vectorModel.docvecs.most_similar([inferred_vector], topn=1001, restrict_vocab = None)
rank = [docid for docid, sim in sims].index(y)
ranks.append(rank)
直到排名功能,所有工作都可以理解。 我得到的错误是我的列表中没有零,例如我投入的文件中没有10个:
File "C:/Users/Niels Helsø/Documents/github/Speciale/Test/Data prep.py", line 59, in <module>
rank = [docid for docid, sim in sims].index(y)
ValueError: '10' is not in list
在我看来,它是类似的功能,不起作用。 模型训练我的数据(1000个文件)并建立一个标记的词汇。 我主要使用的文档是这样的: Gensim dokumentation Torturial
我希望有人可以提供帮助。如果需要任何其他信息,请告诉我。 最好 尼尔斯
答案 0 :(得分:0)
如果您获得def is_even(i):
return (i % 2) == 0
def is_odd(i):
return (i % 2) != 0
def get_evens_at_back(l):
odds = list(filter(is_odd, l))
evens = list(filter(is_even, l))
return sorted(odds) + sorted(evens)
,则可以依赖ValueError: '10' is not in list
不在列表中的事实。所以你看了一下清单,看看有什么,以及它是否符合你的期望?
从您的代码摘录中不清楚'10'
是否曾被调用过,因此在向tagdocs()
提供tekstdata
时,不清楚Doc2Vec
的形式。意图有点复杂,没有任何东西可以显示数据以原始原始形式显示的内容。
但是,您提供给tags
的{{1}}可能不是必需的标签列表,而是一个简单的字符串,它将被解释为字符列表。因此,即使您提供TaggedDocument
tags
,它也会被视为'10'
- 而['1', '0']
只会是10(对于10)单位数字符串)。
对您的设置单独发表评论:
len(vectorModel.doctags)
的1000个文档相当小,其中大多数发布的结果使用数万到数百万个文档Doc2Vec
工作中,{10}的iter
更常见(对于较小的数据集,更大的值可能会有所帮助)Doc2Vec
通常在其可选参数中使用非默认值时效果更佳,尤其是infer_vector()
更大(20-200)或起始steps
&# 39;更像是批量培训默认值(alpha
)