गैन्सिम

Question

से नकारात्मक Word2Vec समानता की व्याख्या करना E12. हम एक word2vec मॉडल gensim का उपयोग कर प्रशिक्षित:

from gensim import corpora, models, similarities 
from gensim.models.word2vec import Word2Vec 

documents = ["Human machine interface for lab abc computer applications", 
       "A survey of user opinion of computer system response time", 
       "The EPS user interface management system", 
       "System and human system engineering testing of EPS", 
       "Relation of user perceived response time to error measurement", 
       "The generation of random binary unordered trees", 
       "The intersection graph of paths in trees", 
       "Graph minors IV Widths of trees and well quasi ordering", 
       "Graph minors A survey"] 

texts = [[word for word in document.lower().split()] for document in documents] 
w2v_model = Word2Vec(texts, size=500, window=5, min_count=1) 

और जब हम शब्दों के बीच समानता क्वेरी, हम नकारात्मक समानता स्कोर पाते हैं:

>>> w2v_model.similarity('graph', 'computer') 
0.046929569156789336 
>>> w2v_model.similarity('graph', 'system') 
0.063683518562347399 
>>> w2v_model.similarity('survey', 'generation') 
-0.040026775040430063 
>>> w2v_model.similarity('graph', 'trees') 
-0.0072684112978664561 

हम नकारात्मक स्कोर विश्लेषण कैसे करूं?

यदि यह कोसाइन समानता है तो [0,1] की सीमा नहीं होनी चाहिए?

Word2Vec.similarity(x,y) फ़ंक्शन की ऊपरी सीमा और निचली सीमा क्या है? काफी डॉक्स में लिखा है: https://radimrehurek.com/gensim/models/word2vec.html#gensim.models.word2vec.Word2Vec.similarity = (

अजगर आवरण कोड को देखते हुए, वहाँ बहुत नहीं है: https://github.com/RaRe-Technologies/gensim/blob/develop/gensim/models/word2vec.py#L1165

(यदि संभव हो, तो कृपया के .pyx कोड करने के लिए मुझसे बात करना जहां समानता समारोह कार्यान्वित किया जाता है।)

Answer 1

कोसाइन समानता पर्वतमाला -1 से 1, एक नियमित रूप से कोज्या लहर के रूप में ही है।

स्रोत के लिए के रूप में:

https://github.com/RaRe-Technologies/gensim/blob/ba1ce894a5192fc493a865c535202695bb3c0424/gensim/models/word2vec.py#L1511

def similarity(self, w1, w2): 
    """ 
    Compute cosine similarity between two words. 
    Example:: 
     >>> trained_model.similarity('woman', 'man') 
     0.73723527 
     >>> trained_model.similarity('woman', 'woman') 
     1.0 
    """ 
    return dot(matutils.unitvec(self[w1]), matutils.unitvec(self[w2]) 

Answer 2

के रूप में अन्य लोगों ने कहा, कोसाइन समानता से -1 1 दो वैक्टर के बीच के कोण के आधार पर करने के लिए रेंज कर सकते हैं तुलना की जा रही। जेन्सिम में सटीक कार्यान्वयन सामान्यीकृत वैक्टरों का एक साधारण डॉट उत्पाद है।

https://github.com/RaRe-Technologies/gensim/blob/4f0e2ae0531d67cee8d3e06636e82298cb554b04/gensim/models/keyedvectors.py#L581

def similarity(self, w1, w2): 
     """ 
     Compute cosine similarity between two words. 
     Example:: 
      >>> trained_model.similarity('woman', 'man') 
      0.73723527 
      >>> trained_model.similarity('woman', 'woman') 
      1.0 
     """ 
     return dot(matutils.unitvec(self[w1]), matutils.unitvec(self[w2])) 

व्याख्या के संदर्भ में, आप इन मूल्यों के बारे में सोच की तरह आप सहसंबंध गुणांक की सोच सकते हैं कर सकते हैं। 1 का मान शब्द वैक्टरों (उदाहरण के लिए, "महिला" की तुलना में "महिला" के बीच एक संपूर्ण संबंध है, 0 का मान शब्दों के बीच कोई संबंध नहीं दर्शाता है, और -1 का मान शब्दों के बीच एकदम सही विपरीत संबंध का प्रतिनिधित्व करता है।