Nlp 如何通过图表查看使用TextRank算法汇总的相似性矩阵

Nlp 如何通过图表查看使用TextRank算法汇总的相似性矩阵,nlp,unsupervised-learning,pagerank,summarization,textrank,Nlp,Unsupervised Learning,Pagerank,Summarization,Textrank,我使用TextRan算法进行推理文本摘要。我使用手套模型进行单词嵌入。 我编写了一个代码,可以绘制一个图形来显示相似性矩阵是如何绘制的。虽然每次运行代码时都会得到相同的摘要文本,但每次都会看到不同的图形。这是什么原因?这是个问题还是正常?如果是问题,我如何提供解决方案?如果您有相关信息,我将非常感谢您的回复 def GloveİleSentenceEmbed(sentence_list,sentence_stem): word_embeddings = {} f = open('/co

我使用TextRan算法进行推理文本摘要。我使用手套模型进行单词嵌入。 我编写了一个代码,可以绘制一个图形来显示相似性矩阵是如何绘制的。虽然每次运行代码时都会得到相同的摘要文本,但每次都会看到不同的图形。这是什么原因?这是个问题还是正常?如果是问题,我如何提供解决方案?如果您有相关信息,我将非常感谢您的回复

def GloveİleSentenceEmbed(sentence_list,sentence_stem):
  word_embeddings = {} 
  f = open('/content/drive/MyDrive/MetinAnalizi/glove.6B.100d.txt', encoding='utf-8')
  for line in f:
    values = line.split()
    word = values[0]
    coefs = np.asarray(values[1:], dtype='float32')
    word_embeddings[word] = coefs
  f.close()
  sentence_vectors = []  
  for i in sentence_stem:
    if len(i) != 0:
      v = sum([word_embeddings.get(w, np.zeros((100,))) for w in i])/(len(i)+0.001)
    else:   
      v = np.zeros((100,))
    sentence_vectors.append(v)
  return sentence_vectors

def SimilariytMatrix(sentence_list,sentence_vectors):
  similarity_matrix=np.zeros([len(sentence_list), len(sentence_list)])
  for i in range(len(sentence_list)):
    for j in range(len(sentence_list)):
      if (i!=j):
         similarity_matrix[i][j] = cosine_similarity(sentence_vectors[i].reshape(1,100), sentence_vectors[j].reshape(1,100))[0,0]
  similarity_matrix = np.round(similarity_matrix,3)
  return similarity_matrix

def PageRankAlgorithm(similarity_matrix,sentence_list):
    nx_graph = nx.from_numpy_array(similarity_matrix)
    plt.figure(figsize=(10, 10))
    pos = nx.spring_layout(nx_graph)
    nx.draw(nx_graph, with_labels=True, font_weight='bold')
    plt.show()

如何显示图形?这些图表之间有什么区别?本例中如何使用字嵌入?我添加了一些代码和图形结果的示例,以便您更好地理解。据我观察,节点的位置在不断变化。这是不应该发生的事情吗?你可以看看@根据,你可以试着设定一个固定的种子,看看它是否能解决你的问题。或者使用非随机布局。