質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.50%
Java

Javaは、1995年にサン・マイクロシステムズが開発したプログラミング言語です。表記法はC言語に似ていますが、既存のプログラミング言語の短所を踏まえていちから設計されており、最初からオブジェクト指向性を備えてデザインされています。セキュリティ面が強力であることや、ネットワーク環境での利用に向いていることが特徴です。Javaで作られたソフトウェアは基本的にいかなるプラットフォームでも作動します。

Eclipse

Eclipseは、IBM社で開発された統合開発環境のひとつです。2001年11月にオープンソース化されました。 たくさんのプラグインがあり自由に機能を追加をすることができるため、開発ツールにおける共通プラットフォームとして位置づけられています。 Eclipse自体は、Javaで実装されています。

Q&A

解決済

1回答

3366閲覧

Java-word2vecで日本語の関連単語を出力したい

sakamot

総合スコア8

Java

Javaは、1995年にサン・マイクロシステムズが開発したプログラミング言語です。表記法はC言語に似ていますが、既存のプログラミング言語の短所を踏まえていちから設計されており、最初からオブジェクト指向性を備えてデザインされています。セキュリティ面が強力であることや、ネットワーク環境での利用に向いていることが特徴です。Javaで作られたソフトウェアは基本的にいかなるプラットフォームでも作動します。

Eclipse

Eclipseは、IBM社で開発された統合開発環境のひとつです。2001年11月にオープンソース化されました。 たくさんのプラグインがあり自由に機能を追加をすることができるため、開発ツールにおける共通プラットフォームとして位置づけられています。 Eclipse自体は、Javaで実装されています。

0グッド

0クリップ

投稿2018/06/19 05:57

編集2018/06/20 00:40

前提・実現したいこと

word2vecで入力した単語(日本語)の関連単語を出力するプログラムを作りたいです。
このサイトのサンプルプログラム1を使いました。
27行目のraw_sentences.txtを日本語のウィキペディア全文(分かち書きにしたもの)のデータに置き換えただけでできると思い、実行したのですが、関連単語が出力されませんでした。
エラーはありませんでした。
英語ではなく日本語で実行できるようにするにはどうすればいいでしょうか。
教えていただけると幸いです。

該当のソースコード

Java

1import java.io.File; 2import java.io.IOException; 3import java.util.Collection; 4 5import org.deeplearning4j.models.embeddings.loader.WordVectorSerializer; 6import org.deeplearning4j.models.word2vec.Word2Vec; 7import org.deeplearning4j.text.sentenceiterator.LineSentenceIterator; 8import org.deeplearning4j.text.sentenceiterator.SentenceIterator; 9import org.deeplearning4j.text.sentenceiterator.SentencePreProcessor; 10import org.deeplearning4j.text.tokenization.tokenizer.TokenPreProcess; 11import org.deeplearning4j.text.tokenization.tokenizer.preprocessor.EndingPreProcessor; 12import org.deeplearning4j.text.tokenization.tokenizerfactory.DefaultTokenizerFactory; 13import org.deeplearning4j.text.tokenization.tokenizerfactory.TokenizerFactory; 14 15/** 16 * DeepLearning4jでWord2Vecを行うサンプルプログラム 17 * @author karura 18 */ 19public class Word2VecTest1 20{ 21 22 public static void main(String[] args) throws IOException 23 { 24 // コーパス(文章集)データの読み込み 25 // 読み込み時に文字をすべて小文字に変換する 26 System.out.println( "Load data..." ); 27 File f = new File( "input/raw_sentences.txt" ); 28 SentenceIterator ite = new LineSentenceIterator( f ); 29 ite.setPreProcessor( new SentencePreProcessor() 30 { 31 @Override 32 public String preProcess( String sentence ){ return sentence.toLowerCase(); } 33 }); 34 35 // 文章を単語に分解 36 // 分解時に単語を小文字に、半角数を"d"に変換する 37 System.out.println( "Tokenize data..." ); 38 final EndingPreProcessor preProcessor = new EndingPreProcessor(); 39 TokenizerFactory tokenizer = new DefaultTokenizerFactory(); 40 tokenizer.setTokenPreProcessor( new TokenPreProcess() 41 { 42 @Override 43 public String preProcess( String token ) 44 { 45 token = token.toLowerCase(); 46 String base = preProcessor.preProcess( token ); 47 base = base.replaceAll( "\d" , "d" ); 48 return base; 49 } 50 }); 51 52 // モデル作成 53 System.out.println( "Build model..." ); 54 int batchSize = 1000; // 1回のミニバッチで学習する単語数 55 int iterations = 3; 56 int layerSize = 150; 57 58 Word2Vec vec = new Word2Vec.Builder() 59 .batchSize( batchSize ) // ミニバッチのサイズ 60 .minWordFrequency( 5 ) // 単語の最低出現回数。ここで指定した回数以下の出現回数の単語は学習から除外される 61 .useAdaGrad( false ) // AdaGradを利用するかどうか 62 .iterations( iterations ) // 学習時の反復回数 63 .learningRate( 0.025 ) // 学習率 64 .minLearningRate( 1e-3 ) // 学習率の最低値 65 .negativeSample( 10 ) // 66 .iterate( ite ) // 文章データクラス 67 .tokenizerFactory(tokenizer) // 単語分解クラス 68 .build(); 69 70 // 学習 71 System.out.println( "Learning..." ); 72 vec.fit(); 73 74 // モデルを保存 75 System.out.println( "Save Model..." ); 76 WordVectorSerializer.writeWordVectors( vec , "output/words.txt" ); 77 78 // 評価1(二つの単語の類似性) 79 // コサイン距離 80 System.out.println( "Evaluate model..." ); 81 String word1 = "people"; 82 String word2 = "money"; 83 double similarity = vec.similarity( word1 , word2 ); 84 System.out.println( String.format( "The similarity between 「%s」 and 「%s」 is %f" , word1 , word2 , similarity ) ); 85 86 // 評価2(ある単語に最も意味が近い言葉) 87 String word = "day"; 88 int ranking = 10; 89 Collection<String> similarTop10 = vec.wordsNearest( word , ranking ); 90 System.out.println( String.format( "Similar word to 「%s」 is %s" , word , similarTop10 ) ); 91 92 93 } 94 95}

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

m.ts10806

2018/06/19 06:00

プログラムコード(およびエラーメッセージ)は質問内容としては最も重要な部分であるため、見やすくしていただけると助かります。<code>ボタン押下→「コード」部分にコードを貼り付け→「ここに言語を入力」に対象言語名記入(エラーメッセージの場合は不要)の手順で「コードハイライト化」してください。(質問編集画面ではリアルタイムでプレビューが表示されるので見ながら調整してください)
guest

回答1

0

ベストアンサー

形態素解析器(Tokenizer)がDefaultなのが問題なのでは。

日本語用の解析器を使ってみてはどうか。

deeplearning4jで日本語WikipediaのWord2Vecを作る - APITORE BLOG

Kuromojiについて - Qiita

投稿2018/06/19 10:12

tkturbo

総合スコア5572

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.50%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問