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

87.96%

エラーコードが分かりません

解決済

回答 2

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 573

score 11

word2vecで名詞のみかつリスト化された文章から分散表現取得したいです。
gensim のword2vecを使用し、分散表現はPC にファイルとして保存したいです。

from pymongo import MongoClient
from bs4 import BeautifulSoup
import MeCab
from gensim.models import word2vec

mecab = MeCab.Tagger ('/usr/local/lib/mecab/dic/mecab-ipadic-neologd')
def main():
    recipes = []
    client = MongoClient('localhost', 27017)
    db = client.html.cookpad_html
    collection = db.test_collection
    htmls = list(db.find().limit(5))
    recipes = []
    for num, html in enumerate(htmls):
        soup = BeautifulSoup(html["html"], 'lxml')
        for steps in soup.find_all(attrs={"class": "step_text"}):
            node = mecab.parseToNode(steps.get_text())

            while node:
                feature = node.feature.split(",")
                if feature[0] == "名詞" and feature[1] == "一般":
                    recipes.append(node.feature.split(",")[6])
                node = node.next
                recipes = list(set(recipes))

    print(recipes)

    model = word2vec.Word2Vec(recipes, size=200,min_count=1)

    out = model.wv.most_similar(positive=[u'レモン'])
    for x in out:
        print (x[0],x[1])



if __name__ == '__main__':
    main()


この結果が

['片栗粉', '砂糖', 'オリーブ油', 'パウダー', 'チョコ', 'レモン', '卵', '感じ', '餅', '分量', 'カテゴリ', 'シリコン', '半', 'カラメル', '他', 'おから', 'ボウル', 'ボール', 'ハチミツ', '人気', 'ラップ', '饅頭', 'レンジ', '餡', 'バニラ', 'カップ', 'お菓子', '絶品', 'レン', '*', 'トレー', 'バット', '水', 'べら', '大福', '様子', 'トップ', '茶こし', '卵白', '真ん中', '生地', '牛乳', '玉子', '卵黄', '縦', 'エッセンス', 'レシピ', '横', 'ポイント', '見た目', 'だま', 'たま', '容器', 'イン', '木', '材料', '姉妹', '電子', 'ツノ', 'もち', 'ヨーグルト'] 

と名詞は出てきたんですけど、

---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
<ipython-input-31-32946ebb0ac4> in <module>
     35 
     36 if __name__ == '__main__':
---> 37     main()

<ipython-input-31-32946ebb0ac4> in main()
     28     model = word2vec.Word2Vec(recipes, size=200,min_count=1)
     29 
---> 30     out = model.wv.most_similar(positive=[u'レモン'])
     31     for x in out:
     32         print (x[0],x[1])

~/anaconda3/lib/python3.7/site-packages/gensim/models/keyedvectors.py in most_similar(self, positive, negative, topn, restrict_vocab, indexer)
    551                 mean.append(weight * word)
    552             else:
--> 553                 mean.append(weight * self.word_vec(word, use_norm=True))
    554                 if word in self.vocab:
    555                     all_words.add(self.vocab[word].index)

~/anaconda3/lib/python3.7/site-packages/gensim/models/keyedvectors.py in word_vec(self, word, use_norm)
    466             return result
    467         else:
--> 468             raise KeyError("word '%s' not in vocabulary" % word)
    469 
    470     def get_vector(self, word):
KeyError: "word 'レモン' not in vocabulary"


とエラーが出てきました。

どうすればいいですか?

  • 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。

質問への追記・修正、ベストアンサー選択の依頼

  • hayataka2049

    2019/10/08 15:38 編集

    エラーは省略せず記載してください。質問の修正をお願いします。

    キャンセル

  • hayataka2049

    2019/10/08 15:39

    tracebackも最初から含めてです。

    キャンセル

回答 2

checkベストアンサー

+1

out = model.wv.most_similar()(positive=[u'レモン'])

ここ変ですね。

まずmodel.wv.most_similar()の部分が引数なしで呼び出されますが、そうするとデフォルト値のNoneなどが渡されたことになり、質問文のエラーになるのだと思います。

out = model.wv.most_similar(positive=[u'レモン'])

とするべきでしょう。

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。

  • 2019/10/08 16:18

    ご丁寧にありがとうございます。すみません初心者なんでちょっと難しくて分からないんですけど、 
    まず self.wv.most_similar()を使用するのは、https://qiita.com/hideki/items/56dc5c4492b351c1925f このサイトを参考にすれば出来ますか?
    後、データは沢山あるので、12行目の htmls = list(db.find().limit(5))
    をhtmls = list(db.find().limit(100000))などにしたら出来ますか?

    キャンセル

  • 2019/10/08 16:24

    二つの出来ますか?については、出来ませんとお答えします。16:01のわたしのコメントの引用後の1行目の問題が解決していないからです。

    公式のリファレンスを参考にされるのが一番良いかと思います。たとえばパラメータについては
    sentences (iterable of iterables, optional) – The sentences iterable can be simply a list of lists of tokens,
    https://radimrehurek.com/gensim/models/word2vec.html
    という説明があります。

    キャンセル

  • 2019/10/10 14:03

    分かりました!ありがとうございます。やってみます!

    キャンセル

0

google翻訳
ValueError: 入力なしで類似度を計算できません

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。

  • 2019/10/08 15:50

    どうすればいいですか?

    キャンセル

  • 2019/10/08 15:58

    入力を与えましょう

    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 87.96%
  • 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