带word2的文本的多标签

Question

我是文本分类的新手，在这里找到了这个简单的教程，这似乎是进一步开发的良好开端：

https://asinayev.github.io/choosing-multiple-labels-for-text-part-2-word2vec.html

我在该网页上找到的代码中添加了以下导入：

import regex as re
import stopwords
import string
import scipy
import gensim.models.keyedvectors as word2vec 

我把原来的代码改为：

^{pr2}$

收件人：

 import gensim.models.keyedvectors as word2vec

并根据gensim的最新变化加载模型：

 model = word2vec.KeyedVectors.load_word2vec_format('asd.bin.gz')

为了测试模型负载是否正确，我使用（而且确实如此）：

print(model.most_similar('teacher'))

以下是复制和粘贴部分，以错误结尾：

def clean(sentence, model):
regex = re.compile('[%s]' % re.escape(string.punctuation))
tokens = str.split(sentence)
cleans = []
for t in tokens:
    if t in model: 
        cleans.append(t)
    elif t.lower() in model: 
        cleans.append(t.lower())
    elif regex.sub('_', t) in model:
        cleans.append(regex.sub('_', t))
    elif len(str.split(regex.sub(' ', t))) > 1:
        for token in str.split(regex.sub(' ', t)):
            if clean(token): cleans.append(clean(token)[0])
cleans = [w for w in cleans if w not in stopwords.words("english")]
return cleans

def model_similarity (model, list1, list2, l1neg=[], l2neg=[]):
list1sum = sum([model[l] for l in list1])
list2sum = sum([model[l] for l in list2])
if l1neg: list1sum -= sum([model[l] for l in l1neg])
if l2neg: list1sum -= sum([model[l] for l in l2neg])
return 1-scipy.spatial.distance.cosine(list1sum,list2sum)

为了测试这些函数是否有效，我使用以下方法进行测试：

model_similarity(clean('king woman'),clean('queen'), l1neg=['man'])
TypeError: clean() missing 1 required positional argument: 'model'

老实说，我不确定一个位置论是否，因此很难解决它。在

谢谢你的努力！在

其他信息：我正在Windows10上使用Python3.6.5

编辑：解决了这个问题：

函数的正确调用是：

 model_similarity(model, clean('king woman', model), clean('queen', model))
 0.6532526016235352

Answer 1

请注意您编写的model_similarity（）的定义：

def model_similarity (model, list1, list2, l1neg=[], l2neg=[]):

python期望前三个参数是model、list1和list2。这些被称为位置参数，因为在定义中列出它们时，没有后面跟等号的名称（就像对l1neg和l2neg一样）。看来你忘了包括模型了。请参见位置与关键字参数：https://docs.python.org/2/glossary.html

您似乎还忘记在clean（）的调用中包含该模型。在

所以电话看起来像：

^{pr2}$

另外，请确保在所有函数定义之后缩进代码。看来可能还有其他问题。在