上述代码运行后报错了怎么修改,报错信息:Traceback (most recent call last): File "E:/PyCharm Community Edition 2020.2.2/Project/WordDict/newsim.py", line 279, in <module> sim = cosine_similarity(word_tensor, encoded_layers[0][1:-1])[0].max() TypeError: cosine_similarity() missing 1 required positional argument: 'topics'
时间: 2024-02-22 17:58:18 浏览: 36
根据报错信息,`cosine_similarity()` 函数缺少一个名为 `topics` 的参数,因此需要检查一下函数的参数是否正确。
`cosine_similarity()` 函数的正确用法应该是 `cosine_similarity(X, Y=None, dense_output=True)`,其中 `X` 为形状为 `(n_samples_X, n_features)` 的数组,`Y` 为形状为 `(n_samples_Y, n_features)` 的数组,`dense_output` 为布尔值,表示是否返回密集的输出。
因此,你需要修改 `cosine_similarity()` 函数的调用方式,确保传入了正确的参数。具体来说,你需要将 `encoded_layers[0][1:-1]` 作为第一个参数 `X`,`word_tensor` 作为第二个参数 `Y`,并将 `dense_output` 设置为 `False`,以便返回稀疏矩阵。
修改后的代码如下所示:
```
from sklearn.metrics.pairwise import cosine_similarity
...
for i in range(1, len(tokens)-1):
word = tokens[i]
if word in seed_words:
continue
word_tensor = encoded_layers[0][i].reshape(1, -1)
sim = cosine_similarity(encoded_layers[0][1:-1], word_tensor, dense_output=False)[0].max()
```
注意,新的调用方式中,`encoded_layers[0][1:-1]` 被作为第一个参数传入,而 `word_tensor` 被作为第二个参数传入。此外,`dense_output` 被设置为 `False`,以便返回稀疏矩阵。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![txt](https://img-home.csdnimg.cn/images/20210720083642.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)