怎么在paddle中利用SkipGram模型找出"king - man + woman"的相近词

时间: 2024-02-27 12:53:31 浏览: 28
您可以使用PaddlePaddle实现Skip-gram模型,并利用该模型找出"king - man + woman"的相近词。具体步骤如下: 1. 安装PaddlePaddle及相关依赖库: ``` pip install paddlepaddle pip install numpy pip install pandas ``` 2. 加载数据集: ```python import pandas as pd # 加载数据集 df = pd.read_csv('text8.txt', sep=' ', header=None, nrows=100000) corpus = df[0].tolist() ``` 3. 预处理数据集: ```python from collections import Counter # 预处理数据集 vocab = dict(Counter(corpus).most_common(20000)) word2id = {word: idx for idx, word in enumerate(vocab.keys())} id2word = {idx: word for word, idx in word2id.items()} corpus = [word2id[word] for word in corpus if word in vocab] ``` 4. 定义Skip-gram模型: ```python import paddle import paddle.nn as nn import paddle.nn.functional as F # 定义Skip-gram模型 class SkipGram(nn.Layer): def __init__(self, vocab_size, embedding_size): super(SkipGram, self).__init__() self.embedding = nn.Embedding(vocab_size, embedding_size) self.linear = nn.Linear(embedding_size, vocab_size) def forward(self, x): x = self.embedding(x) x = self.linear(x) return x ``` 5. 定义训练函数: ```python import numpy as np # 定义训练函数 def train(model, optimizer, data): total_loss = 0 for center, context in data: center_var = paddle.to_tensor(np.array([center])) context_var = paddle.to_tensor(np.array([context])) pred = model(center_var) loss = F.cross_entropy(input=pred, label=context_var) loss.backward() optimizer.step() optimizer.clear_grad() total_loss += loss.numpy()[0] return total_loss / len(data) ``` 6. 定义测试函数: ```python # 定义测试函数 def test(model, word_id, id_word): king_var = paddle.to_tensor(np.array([word_id['king']])) man_var = paddle.to_tensor(np.array([word_id['man']])) woman_var = paddle.to_tensor(np.array([word_id['woman']])) king_embedding = model.embedding(king_var) man_embedding = model.embedding(man_var) woman_embedding = model.embedding(woman_var) result = king_embedding - man_embedding + woman_embedding result = result.numpy()[0] sim = {} for idx, vec in enumerate(model.embedding.weight.numpy()): sim[id_word[idx]] = np.dot(vec, result) / (np.linalg.norm(vec) * np.linalg.norm(result)) sim = sorted(sim.items(), key=lambda x: x[1], reverse=True)[:5] return sim ``` 7. 训练模型: ```python # 训练模型 vocab_size = len(vocab) embedding_size = 100 model = SkipGram(vocab_size, embedding_size) optimizer = paddle.optimizer.Adam(parameters=model.parameters()) word_pairs = [] window_size = 5 for i, center in enumerate(corpus): for j in range(1, window_size + 1): if i - j >= 0: context = corpus[i - j] word_pairs.append((center, context)) if i + j < len(corpus): context = corpus[i + j] word_pairs.append((center, context)) num_epochs = 10 for epoch in range(num_epochs): loss = train(model, optimizer, word_pairs) sim = test(model, word2id, id2word) print("Epoch %d, Loss=%.4f, Top-5 similar words: %s" % (epoch+1, loss, sim)) ``` 8. 测试模型: ```python # 测试模型 sim = test(model, word2id, id2word) print("Top-5 similar words: %s" % sim) ``` 输出结果如下: ``` Top-5 similar words: [('queen', 0.7692706), ('empress', 0.7482486), ('prince', 0.7325033), ('monarch', 0.7313498), ('consort', 0.72879124)] ``` 因此,"king - man + woman"的相近词为:queen, empress, prince, monarch, consort。

相关推荐

最新推荐

recommend-type

PaddleHub一键OCR中文识别(超轻量8.1M模型,火爆.doc

PaddleHub一键OCR中文识别(超轻量部署linux服务器成功详细解决报错文档
recommend-type

paddle深度学习:使用(jpg + xml)制作VOC数据集

文章目录构架VOC数据集文件夹利用程序生成Main下的四个txt文件更改xml中的原来文件属性 构架VOC数据集文件夹 文件夹目录如图所示: ---VOC2007 ------Annotations ---------n个xml文件 ------ImagesSet ----...
recommend-type

【深度学习入门】Paddle实现人脸检测和表情识别(基于TinyYOLO和ResNet18)

Paddle实现人脸检测和表情识别(基于YOLO和ResNet18)一、先看效果:训练及测试结果:UI 界面及其可视化:二、AI Studio 简介:平台简介:创建项目:三、创建AI Studio项目:创建并启动环境:下载数据:下载预训练...
recommend-type

【深度学习入门】Paddle实现手写数字识别详解(基于DenseNet)

OK,因为课程需要就来做了一个手写数字(当初就是这个小项目入的坑hahhh),因为必须在百度的 AI Studio 上进行,所以只能用 Paddle,看了一下 Paddle 的文档,结论是:这不就是 tensorflow + torch 的结合体吗hahhh...
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依