Question

我想在这里理解代码。

f = open('/Users/nk/Vocab.txt','r')
vocab_temp = f.read().split()
f.close()
col = len(vocab_temp)
print("Training column size:")
print(col)

row = run('cat '+'/Users/nk/X_train.txt'+" | wc -l").split()[0]
print("Training row size:")
print(row)
matrix_tmp = np.zeros((int(row),col), dtype=np.int64)
print("Train Matrix size:")
print(matrix_tmp.size)

label_tmp = np.zeros((int(row)), dtype=np.int64)
f = open('/Users/nk/X_train.txt','r')
count = 0
for line in f:
    line_tmp = line.split()
    #print(line_tmp)
    for word in line_tmp[0:]:
        if word not in vocab_temp:
            continue
        matrix_tmp[count][vocab_temp.index(word)] = 1
    count = count + 1
f.close()

我理解col基本上是词汇表中的单词，row是训练集中的文本数据。我也明白，在loop中，代码实际上是在检查词汇表中是否存在一个词，是否存在于列车集中。有人可以解释一下continue之后的行是什么吗？

Answer 1

matrix_tmp[count][vocab_temp.index(word)] = 1 如果查看代码，count每行增加1。因此matrix_tmp[count]是每行的单词向量。

现在，考虑到vocab_temp.index(word)，您可以在第二行看到vocab_temp保留了由f.read().split()生成的向量。

它从vocab_temp获取索引的事实，它实际上获得了矩阵的位置（矩阵中的单词word所在的索引并将其设置为1（单词{{ 1}}发生在word位置。

这个载体是如何工作的？

1 个答案: