Python 3.x 如何使用pyspark计算表示每个文档的平均向量
我是pyspark的新手,我想对一组文档(20个集群)进行集群。为此,我需要执行以下操作:Python 3.x 如何使用pyspark计算表示每个文档的平均向量,python-3.x,pyspark,word2vec,Python 3.x,Pyspark,Word2vec,我是pyspark的新手,我想对一组文档(20个集群)进行集群。为此,我需要执行以下操作: 查找word2vec表示 将每个文档映射到一个向量,该向量是表示文档中单词的向量的平均值 进行聚类 因此,我创建了word2vec表示,但我没有使用spark将每个文档映射到相应的向量 我尝试了以下方法: from pyspark.mllib.feature import Word2Vec word2vec = Word2Vec() model = word2vec.fit(docs) dic = m
- 查找word2vec表示
- 将每个文档映射到一个向量,该向量是表示文档中单词的向量的平均值
- 进行聚类
from pyspark.mllib.feature import Word2Vec
word2vec = Word2Vec()
model = word2vec.fit(docs)
dic = model.getVectors()
import numpy as np
def calcAverage(x, dic):
ans = np.zeros(100)
for word in x:
if word in dic:
ans += np.array(dic[word])
return tuple(ans / len(x))
vectors = docs.map(lambda x: calcAverage(x, dic))
vectors.collect()
但是它不工作,代码在这一行失败:vectors=docs.map(lambda x:calaverage(x,dic))
,有什么建议吗
我得到了以下错误:
PicklingError: Could not serialize object: Py4JError: An error occurred while calling o73192.__getstate__. Trace:
py4j.Py4JException: Method __getstate__([]) does not exist
at py4j.reflection.ReflectionEngine.getMethod(ReflectionEngine.java:318)
at py4j.reflection.ReflectionEngine.getMethod(ReflectionEngine.java:326)
at py4j.Gateway.invoke(Gateway.java:274)
at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:132)
at py4j.commands.CallCommand.execute(CallCommand.java:79)
at py4j.GatewayConnection.run(GatewayConnection.java:238)
at java.lang.Thread.run(Thread.java:748)
你能在代码失败的那一行包含任何错误消息吗?我添加了错误。。