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

88.59%

類似度計算を行うプログラムの使用法

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 943

tbs0710

score 12

 前提・実現したいこと

ここに質問の内容を詳しく書いてください。
(例)PHP(CakePHP)で●●なシステムを作っています。
■■な機能を実装中に以下のエラーメッセージが発生しました。

 発生している問題・エラーメッセージ

https://qiita.com/yoppe/items/512c7c072d08c64afa7e

上記のウェブページよりプログラムを参照して、一度同じモデルを用意した上でプログラム少し改良して使用してみると、プログラムはうまく機能し類似度計算を行うことができました。
しかし、このプログラムの使用するモデルを自身で作成したものとし、モデル内に存在する単語でプログラムが動くのかどうかを試してみると以下のようなエラーが出ました。

File "/Users/nakazawatsubasa/.pyenv/versions/anaconda3-4.3.1/lib/python3.6/site-packages/gensim/models/keyedvectors.py", line 337, in getitem
return self.get_vector(entities)
File "/Users/nakazawatsubasa/.pyenv/versions/anaconda3-4.3.1/lib/python3.6/site-packages/gensim/models/keyedvectors.py", line 455, in get_vector
return self.word_vec(word)
File "/Users/nakazawatsubasa/.pyenv/versions/anaconda3-4.3.1/lib/python3.6/site-packages/gensim/models/keyedvectors.py", line 452, in word_vec
raise KeyError("word '%s' not in vocabulary" % word)
KeyError: "word 'メーカー' not in vocabulary"

どのような原因からエラーは発生しているのでしょうか?

 該当のソースコード

import gensim
import MeCab
import numpy as np
from scipy import spatial

word2vec_model = gensim.models.KeyedVectors.load_word2vec_format('model.vec', binary=False)
mecab = MeCab.Tagger("-d /usr/local/lib/mecab/dic/mecab-ipadic-neologd -Owakati")
f = open("メーカー_上位.txt" ,"r")
ff = open("メーカー_類似度_上位.txt" ,"w")

def avg_feature_vector(sentence, model, num_features):
words = mecab.parse(sentence).replace(' \n', '').split() # mecabの分かち書きでは最後に改行(\n)が出力されてしまうため、除去
feature_vec = np.zeros((num_features,), dtype="float32") # 特徴ベクトルの入れ物を初期化
for word in words:
feature_vec = np.add(feature_vec, model[word])
if len(words) > 0:
feature_vec = np.divide(feature_vec, len(words))
return feature_vec

def sentence_similarity(sentence_1, sentence_2):
num_features=300
sentence_1_avg_vector = avg_feature_vector(sentence_1, word2vec_model, num_features)
sentence_2_avg_vector = avg_feature_vector(sentence_2, word2vec_model, num_features)
return 1 - spatial.distance.cosine(sentence_1_avg_vector, sentence_2_avg_vector)

result = sentence_similarity('メーカー','アドバンスプロ')
print(result)

 試したこと

モデルの次元数が本当に300となっているのかの確認。
モデル内の単語を使用して行ってみること。

 補足情報(FW/ツールのバージョンなど)

  • 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
    • 過去に投稿した質問と同じ内容の質問
    • 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。

回答 1

checkベストアンサー

0

エラーメッセージによると「メーカー」という単語がモデルにないことによるようです。原因は1.学習用テキストに「メーカー」が含まれていなかった、2.学習時のオプション設定の関係で「メーカー」が学習対象から除外された、3.学習対象の単語が「メーカー」ではなく「メーカ」だった、が想定されます。1または2の場合、再学習しか対処策はないように思います

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。

  • 2018/11/13 17:48

    丁寧な回答ありがとうございました。
    一度再学習してみます。

    キャンセル

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 88.59%
  • 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られる

関連した質問

同じタグがついた質問を見る