python - spacy 相似性方法不能正常工作

Question

我正在使用 spacy 进行简单的自然语言处理。我正致力于通过测量单词之间的相似度来过滤掉单词。

我编写并使用了 spacy 文档中显示的以下简单代码，但结果看起来不像 documentation。 .

import spacy
nlp = spacy.load('en_core_web_lg')
tokens = nlp('dog cat banana')

for token1 in tokens:
    for token2 in tokens:
        sim = token1.similarity(token2)
        print("{:>6s}, {:>6s}: {}".format(token1.text, token2.text, sim))

代码结果如下。

   dog,    dog: 1.0
   dog,    cat: 2.307269867164827e-21
   dog, banana: 0.0
   cat,    dog: 2.307269867164827e-21
   cat,    cat: 1.0
   cat, banana: -0.04468117654323578
banana,    dog: -7.828739256116838e+17
banana,    cat: -8.242222286053048e+17
banana, banana: 1.0

特别是“狗”和“猫”之间的相似度应该在0.8左右，但不是一个非常非常小的值。

此外，“狗”和“香蕉”之间的相似度为 0.0，但“香蕉”和“狗”之间的相似度为 -7.828739256116838e+17。

我不知道怎么解决。

请帮帮我。

Answer 1

首先安装大型 EN 模型(或所有模型)。

python3 -m spacy.en.download all

接下来，根据文档尝试使用示例代码，

nlp = spacy.load('en_core_web_md')

如果这不起作用，而不是上面尝试加载，

nlp = spacy.load('en')

完成上述更改后，结果与文档一致。

python3 /tmp/c.py
   dog,    dog: 1.000000078333395
   dog,    cat: 0.8016855098942641
   dog, banana: 0.2432764518408807
   cat,    dog: 0.8016855098942641
   cat,    cat: 1.0000001375986456
   cat, banana: 0.2815436412709355
banana,    dog: 0.2432764518408807
banana,    cat: 0.2815436412709355
banana, banana: 1.000000107068369