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!

ただいまの
回答率

90.34%

  • Python 3.x

    7385questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

PythonのWord2Vecの未知語への処理について

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 649

gymgym

score 69

PythonでWord2vecを実行したのでが、

model = word2vec.Word2Vec.load("./review.model")
w = model.similarity('悲しみ', 'だれも来ない')
KeyError: "word 'も' not in vocabulary"


このように未知語が入るとエラーが出ます。

未知語へのエラーを無視したい場合どのようにしたら良いのでしょうか。

また、無視ではなく、未知語への対処として効果的な手法があれば、アドバイスいただけたらありがたいです。

よろしくお願いいたします。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイ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。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • hayataka2049

    2018/07/18 17:32

    KeyError: "word 'も' not in vocabulary"はKeyError: "word 'だれも来ない' not in vocabulary"の間違いという認識でいいですか?

    キャンセル

  • gymgym

    2018/07/19 12:23

    quiquiさん。gensimでした。

    キャンセル

  • gymgym

    2018/07/19 12:25

    hayataka2049さん。「だれ」、「来ない」はモデルに含まれているみたいなのですが、「も」がないというエラーだと考えています

    キャンセル

回答 2

checkベストアンサー

+1

とりあえず無視できれば良いのなら、

# 適当な変数に入れたとする
word1 = "悲しみ"
word2 = "だれも来ない"

if word1 in model.wv and word2 in model.wv:
    w = model.similarity(word1, word2)
    # 何らかの処理
    # ...
else:
    # 無視するときの何らかの処理
    # ...

また、無視ではなく、未知語への対処として効果的な手法があれば、アドバイスいただけたらありがたいです。

効果的かどうかは微妙ですが、いちおうpredict_output_word()というメソッドがあって、前後の文脈の単語列を入れれば「これに近いかな」というのは出してくれます。

gensim: models.word2vec – Word2vec embeddings #gensim.models.word2vec.Word2Vec.predict_output_word

単語と確率を一緒に出してくれるので、信頼できそうなら使うとか(たいてい信頼できませんが)、既知の単語ベクトルを確率で重み付けして足し合わせて未知語の単語ベクトルとして使うとか、そんな感じで使えなくはありません。


ところで、gensimのWord2Vecsimilarity()等はぜんぶDeprecated(非推奨)になっているので、model.wv.similarity()などに書き換えておいてください。

gensim: models.word2vec – Word2vec embeddings #gensim.models.word2vec.Word2Vec.similarity

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/08/03 16:44

    今更再び質問させていただきたいのですが、無視する時の処理として何も処理を行わずスキップしたいのですが、
    else:
    pass
    で実行したら無視できると思ったのですがうまくいきませんでした。
    もう少しアドバイスいただけたらありがたいです。

    キャンセル

  • 2018/08/03 16:49

    def word_emotion(word1,word2,model):
    if word1 in model.wv and word2 in model.wv:
    w = model.wv.similarity(word1, word2)
    else:
    pass

    return w

    UnboundLocalError: local variable 'w' referenced before assignment

    キャンセル

  • 2018/08/03 16:49

    現在、以上のようなエラーが出てしまいます

    キャンセル

  • 2018/08/03 17:00 編集

    if文の中身が実行されないとwに何も代入されないためですね。
    類似度を計算できなかったときどんな処理をしたいですか? それによって修正方法が変わります
    ・0を返す
    ・Noneを返す(受け取った側でしかるべく処理してください)
    ・例外を投げる(これだと、wrapした意味があんまりないことになりますが)
    ・文脈から予測する(文脈の情報を投げないといけないので関数の引数が変わる。しょうじき難しい)
    簡単なのはとりあえず0にしちゃうことです。else節でwに0.0を代入するだけですね。それが許されるタスクならそうしてください
    許されないなら、工夫してください

    キャンセル

  • 2018/08/06 13:26

    回答ありがとうございます。
    参考にさせていただきます。

    キャンセル

0

gensimで処理をする前に学習時に使用したコーパスを検索して、単語があればリストに残しなければ除外するというコードを追加してはいかがでしょうか。

細かいことですが、形態素解析をかけると「だれも来ない」はだれ、も、来、ないに分解されると思います。したがって、正しく分かち書きしたリストをgensimに与えればうまくいくかもしれません。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

同じタグがついた質問を見る

  • Python 3.x

    7385questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。