代码之家 › 专栏 › 技术社区 › chutian

存储在similority.sparsematrix()索引中的内容

cosine-similarity gensim

chutian · 技术社区 · 7 年前

    sim = similarities.SparseMatrixSimilarity(
        self.tfidf_vectors, num_features=self.featurenum)
    sim.save(path + '/model/train_index.index')
    print(sim.index.shape)
    print(sim.index.toarray().shape)

len(self.tfidf.vectors)是9117,但sim.index.shape是(9117143807),sim.index.toarray()也是(9117143807)。我想应该是(91179117)。模拟索引中有什么?

0 回复 | 直到 7 年前

chutian 7 年前

9117是文档数,143897是所有文档中的单词数。所以,索引是一个矩阵,每行代表一个文档,每列代表一个单词。

推荐文章

Sarah Elnaggar · 我使用Gensim Doc2vec进行图形嵌入,然后在keras中使用两层深度神经网络进行二元分类

4 年前

Simon Hessner · gensim-Doc2Vec:iter与时代的差异

8 年前

Christopher · Doc2Vec的管道和网格搜索

8 年前

user2578525 · 生产环境中的文档相似性

8 年前

V. Déhaye · 尝试更新gensim的LdaModel时的索引器错误

8 年前

abdalmohaymen aliesmaeel · gensim模型返回ID与输入doc2vec不相关

8 年前

surya · UnpicklingError:加载键“3”无效

8 年前

MMM · 使用大型语料库python gensim的极慢LDA训练模型

8 年前

j-s · 如何在python中使用gensim和word2vec查找语义相似度

8 年前

OverflowingTheGlass · Gensim Doc2Vec访问向量(按文档作者)

8 年前