我想将X_train_word2vec
向量作为输入传递到Gensim Word2Vec
模型。
向量类型为numpy.ndarray
,例如:
X_train_word2vec[9] = array([ 19, 7, 1, 20120, 2, 1, 856, 233, 671,
1, 1208, 6016, 2, 32, 0, 0, 0, 0, ....)]
当我运行此代码时:
model_word2vec = models.Word2Vec(X_train_word2vec, size=150, window=9)
model_word2vec.train(X_train_word2vec,total_examples=X_train_word2vec.shape[0], epochs=10)
我收到此错误:
TypeError: ufunc 'add' did not contain a loop with signature matching types dtype('<U11') dtype('<U11') dtype('<U11')
我已阅读this帖子,其中的问题是由于输入数组中的数据类型不同,但就我而言,我拥有相同类型的所有数据:int
。
更新:
model_Word2Vec
之前的代码:
tokenizer = Tokenizer()
tokenizer.fit_on_texts(X)
sequence = tokenizer.texts_to_sequences(X)
seq_max_len = 50
X_seq = pad_sequences(sequenza, maxlen=seq_max_len,padding='post',truncating='post',dtype=int)
X_train_word2vec, X_test_word2vec, y_train_word2vec, y_test_word2vec = train_test_split(X_seq, y_cat, test_size=0.2, random_state=123)
答案 0 :(得分:1)
Gensim的Word2Vec
需要文本的语料库-例如在其初始化器的第一个参数中-这是字符串令牌列表的可迭代序列对象。它不需要原始的numpy数组。
此外,如果您确实在实例化时提供了语料库,如您的代码行中所示...
model_word2vec = models.Word2Vec(X_train_word2vec, size=150, window=9)
...然后它将自动进行词汇建立和培训步骤。然后,您无需显式调用train()
。 (而且,虽然有可能再次调用train()
,但很少有用户需要进行非常高级的操作。通常,安全的方法是在完整的语料库上进行一次培训,然后对模型进行“完成“。)
最后,train()
还将任何语料库作为字符串列表的可迭代序列对象。
如果您提供正确的语料库,则很可能会收到类似您收到的错误消息。