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
87.20%
Python 3.x

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。

アルゴリズム

アルゴリズムとは、定められた目的を達成するために、プログラムの理論的な動作を定義するものです。

Mecab

Mecabは、オープンソースの形態素解析エンジンです。 言語、辞書、コーパスに依存しない汎用的な設計を基本方針としています。 Mecabの由来は、開発者の好物である和布蕪(めかぶ)から名づけられました。

自然言語処理

自然言語処理は、日常的に使用される自然言語をコンピューターに処理させる技術やソフトウェアの総称です。

解決済

特徴ベクトル化の過程のアルゴリズムがわかりません

ryuki
ryuki

総合スコア8

Python 3.x

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。

アルゴリズム

アルゴリズムとは、定められた目的を達成するために、プログラムの理論的な動作を定義するものです。

Mecab

Mecabは、オープンソースの形態素解析エンジンです。 言語、辞書、コーパスに依存しない汎用的な設計を基本方針としています。 Mecabの由来は、開発者の好物である和布蕪(めかぶ)から名づけられました。

自然言語処理

自然言語処理は、日常的に使用される自然言語をコンピューターに処理させる技術やソフトウェアの総称です。

1回答

-1評価

0クリップ

373閲覧

投稿2022/04/12 14:11

編集2022/04/13 22:00

全体コード

tokenizer.py

import MeCab tagger = MeCab.Tagger() def tokenize(text): node = tagger.parseToNode(text) tokens = [] while node: if node.surface != '': tokens.append(node.surface) node = node.next return tokens

bow.py

from tokenizer import tokenize def calc_bow(tokenized_texts):#bag of words関数 #辞書生成のループ vocabulary = {} for tokenized_text in tokenized_texts: for token in tokenized_text: if token not in vocabulary: vocabulary[token] = len(vocabulary)#(1) n_vocab = len(vocabulary) #単語の出現回数をカウントするためのループ bow = [[0] * n_vocab for i in range(len(tokenized_texts))] #(2) for i,tokenized_text in enumerate(tokenized_texts): for token in tokenized_text: index = vocabulary[token] bow[i][index] += 1 return vocabulary,bow texts = [ '私は私のことが好きなあなたが好きです', '私はラーメンが好きです', '富士山は日本一高い山です', ] tokenized_texts = [tokenize(text) for text in texts]#textsから各々の文章をわかち書き vocabulary,bow = calc_bow(tokenized_texts)

わからないこと(コードに番号振っています。)

(1)「token:vocablaryに登録した順」、となる辞書として代入していく意味でしょうか?
(2)コード全体の意味がわかりません。また [0] * n_vocabの意味が特に分かりません。

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。

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。

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

評価を下げると、トップページの「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。

まだ回答がついていません

会員登録して回答してみよう

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
87.20%

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

同じタグがついた質問を見る

Python 3.x

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。

アルゴリズム

アルゴリズムとは、定められた目的を達成するために、プログラムの理論的な動作を定義するものです。

Mecab

Mecabは、オープンソースの形態素解析エンジンです。 言語、辞書、コーパスに依存しない汎用的な設計を基本方針としています。 Mecabの由来は、開発者の好物である和布蕪(めかぶ)から名づけられました。

自然言語処理

自然言語処理は、日常的に使用される自然言語をコンピューターに処理させる技術やソフトウェアの総称です。