pythonのprint関数におけるエラー

Question

前提・実現したいこと

Word2Vecを使った単語間の類似度算出をしようとしています。
配列に入っている単語それぞれの類似度を算出します。
Word2Vecに関する参考記事

発生している問題・エラーメッセージ

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-4-c36bec344767> in <module>()
      3 for i in data:
      4     for  j in data:
----> 5         print(data[i] + '-' + data[j] + str(word2vec_model.similarity(data[i], data[j])))

TypeError: list indices must be integers or slices, not str

該当のソースコード

import gensim
word2vec_model = gensim.models.KeyedVectors.load_word2vec_format('model.vec', binary=False)
data = ['あくび', '寝言', '寝不足', '消しカス', '消しゴム']

for i in data:
    for  j in data:
        simNum = word2vec_model.similarity(data[i], data[j])
        if simNum > 0:
            print(data[i] + '-' + data[j] + str())
        else:
            pass

試したこと

以下のように配列からデータを取得せずに、類似度計算をしたところ、
vocabraryにない単語が入力された場合にエラーが出たため、
この例外処理も実現したいことのコードで実装する必要があります。
しかし、現状のコードでは例外処理の前にエラーが出ているため、
この部分が正しく動作するかわかっていない状況です。

import gensim
word2vec_model = gensim.models.KeyedVectors.load_word2vec_format('model.vec', binary=False)
import pprint
pprint.pprint(word2vec_model.similarity('あくび', '寝不足'))
pprint.pprint(word2vec_model.similarity('消しカス', '消しゴム'))

出力

0.38836078794177425
略
KeyError: "word '消しカス' not in vocabulary"

###ご回答を受けて試したことと問題
ボキャブラリーにない単語の例外処理が現在のコードでは適切に行われておらず、
エラーが表示されてしまいました。

import gensim
word2vec_model = gensim.models.KeyedVectors.load_word2vec_format('model.vec', binary=False)

data = ['あくび', '寝言', '寝不足', '消しカス', '消しゴム']

for i in range (len(data)):
    for  j in range (len(data)):
        simNum = word2vec_model.similarity(data[i], data[j])
        if simNum > 0:
            print(data[i] + '-' + data[j] + str())
        else:
            pass

出力

あくび-あくび1.0
あくび-寝言0.419536248055
あくび-寝不足0.388360787942
KeyError: "word '消しカス' not in vocabulary"

補足情報（FW/ツールのバージョンなど）

Python 3.6.3
Mac OS High Sierra
Jupyter notebook 5.0.

Answer 1

ボキャブラリに単語がはいっているかどうかは、__contains__で判断できるはずです。

if word2vec_model.__contains__(word1) and word2vec_model.__contains__(word2):
    simNum = word2vec_model.similarity(word1, word2)

Comments

[hayataka2049]

それが通るなら、in演算子が使えるのでそっちで書けますね
word1 in word2vec_model and word2 in word2vec_model
そういえば辞書ライクなオブジェクトになってた記憶が・・・

[LouiS0616]

なるほど。帰属演算をサポートしているのですか。
ということは、こんな感じにも書けそうですね。

data = ['あくび', '寝言', '寝不足', '消しカス', '消しゴム']
it = filter(lambda w: w in word2vec_model, data)
for word1, word2 in itertools.product(it, repeat=2):
　　if word1 is word2:
　　　　continue

　　simNum = word2vec_model.similarity(word1, word2)

註：成形のため全角空白を用いています。

[退会済みユーザー]

ご回答いただきましてありがとうございました。

Answer 2

TypeError: list indices must be integers or slices, not str

超が付くほどの基礎です。改めてfor文の書き方をご確認ください。

>>> data = ['a', 'b', 'c']
>>>
>>> for datum in data:
...     print(datum)
...
a
b
c
>>>
>>> for datum in data:
...     print(data[datum])
...
Traceback (most recent call last):
  File "<stdin>", line 2, in <module>
TypeError: list indices must be integers or slices, not str
>>>
>>> for i in range(len(data)):
...     print(data[i])
...
a
b
c

Comments

[退会済みユーザー]

ご回答いただきましてありがとうございました。
基本的な文法の学習も疎かにしないよう、気をつけます。
print関数におけるエラーがなくなったことで、やはりボキャブラリーにない単語でエラーが起き、うまく例外処理ができていないことが明らかになりました。ご回答を受けて試したことに追記させていただきましたので、可能であればこちらもアドバイスをいただけますと幸いです。

[LouiS0616]

ボキャブラリーにない単語を前もって削除できるのが理想的ですが、ドキュメントhttps://radimrehurek.com/gensim/models/keyedvectors.html#gensim.models.keyedvectors.BaseKeyedVectorsを見る限りまさにこれ！というメソッドはないですね。ひょっとしたらget_vectorの結果を利用できるかもしれませんが、手元で試していないためわかりません。

hayataka2049さんの回答のように、例外を用いるのも一つの方法ではあります。

[退会済みユーザー]

ご回答とご丁寧にご説明いただきましてありがとうございました。

Answer 3

for word1 in data:
    for  word2 in data:
        try:
            simNum = word2vec_model.similarity(word1, word2)
            print(word1 + '-' + word2 + str(simNum))
        except Exception as e:
            print(e)            

Comments

[退会済みユーザー]

ご回答いただきましてありがとうございました。