Python 3.x 可视化使用预训练单词嵌入SpaCy计算的余弦相似度分数
我使用SpaCy的预训练模型“en_core_web_lg”来寻找一组值和属性之间的余弦距离。我想想象一个单词与另一个单词之间的关系，非常类似于聚类 这里的列是我试图找到相似性分数的属性，而行是我试图找到最有可能被分类的属性的值Python 3.x 可视化使用预训练单词嵌入SpaCy计算的余弦相似度分数,python-3.x,nlp,spacy,word-embedding,Python 3.x,Nlp,Spacy,Word Embedding,我使用SpaCy的预训练模型“en_core_web_lg”来寻找一组值和属性之间的余弦距离。我想想象一个单词与另一个单词之间的关系，非常类似于聚类 这里的列是我试图找到相似性分数的属性，而行是我试图找到最有可能被分类的属性的值 如果需要类似的绘图： 您需要将单词向量的维度减少到2个维度 因此，您必须对所需的词向量应用降维算法，例如（这也在scikit learn中实现） 相似性分数不足以做到这一点；你需要整向量 ，有一个关于t-SNE的很好的Kaggle教程，用于可视化单词向量。您可以自定义
如果需要类似的绘图： 您需要将单词向量的维度减少到2个维度 因此，您必须对所需的词向量应用降维算法，例如（这也在scikit learn中实现） 相似性分数不足以做到这一点；你需要整向量
，有一个关于t-SNE的很好的Kaggle教程，用于可视化单词向量。您可以自定义它，只选择您感兴趣的单词。非常感谢您的回答！！我也尝试过PCA，我不知道为什么，但使用PCA降维比应用t-SNE降维效果更好。你知道为什么会发生这种情况吗？你可以读到：如果我的答案有用，请将其标记为已接受或评分。你检查了哪些内容了吗？