python - 这个向量是如何工作的？

Question

我正在尝试理解此处的代码。

f = open('/Users/nk/Vocab.txt','r')
vocab_temp = f.read().split()
f.close()
col = len(vocab_temp)
print("Training column size:")
print(col)

row = run('cat '+'/Users/nk/X_train.txt'+" | wc -l").split()[0]
print("Training row size:")
print(row)
matrix_tmp = np.zeros((int(row),col), dtype=np.int64)
print("Train Matrix size:")
print(matrix_tmp.size)

label_tmp = np.zeros((int(row)), dtype=np.int64)
f = open('/Users/nk/X_train.txt','r')
count = 0
for line in f:
    line_tmp = line.split()
    #print(line_tmp)
    for word in line_tmp[0:]:
        if word not in vocab_temp:
            continue
        matrix_tmp[count][vocab_temp.index(word)] = 1
    count = count + 1
f.close()

我知道 col 基本上是词汇表中的单词，而 row 是训练集中的文本数据。我还了解到，在 loop 中，代码实际上是在检查词汇表中是否存在单词，是否存在于训练集中。有人可以解释一下 continue 之后的行是做什么的吗？

Answer 1

matrix_tmp[count][vocab_temp.index(word)] = 1如果您查看代码，count 每行递增 1。所以 matrix_tmp[count] 是每行的单词向量。

现在，考虑 vocab_temp.index(word)，您可以在第二行中看到 vocab_temp 保留了 f.read 产生的向量().split().

事实上，它从 vocab_temp 中获取索引，它实际上获得了矩阵的位置(矩阵中的索引，您的单词 word 所在的位置并设置它到 1(单词 word 出现在 index 位置)。