import spacy
import numpy as np
nlp = spacy.load("en")
# using u"apples" just as an example
apples = nlp.vocab[u"apples"]
print apples.vector_norm
# prints 1.4142135381698608, or sqrt(2)
print np.sqrt(np.dot(apples.vector, apples.vector))
# prints 1.0
这可能是因为比较文本中有一个词汇表外的单词。注意:不同空间模型的OOV单词是不同的!模型有不同的词汇。在
多亏了Ethan关于问题追踪者的报告,这个问题现在得到了解决。在
现在您还将获得默认的手套向量-所以一般来说相似性应该更准确。在
这似乎是空间中的一个缺陷。在
不知何故,
vector_norm
计算不正确。在然后
^{pr2}$vector_norm
在similarity
中使用,它总是返回一个总是正确值的一半的值。在如果你要对同义词的相似性评分进行排名,这可能是可以的。但是如果你需要正确的余弦相似性分数,那么结果是不正确的。在
我提交了问题here。希望很快就能修好。在
相关问题 更多 >
编程相关推荐