Quora Question Pairs

来源：互联网发布：des算法例子编辑：程序博客网时间：2024/04/28 15:28

官方比赛链接：https://www.kaggle.com/c/quora-question-pairs

here is some tips:

pandas读取数据的问题

dataframe=pd.read_csv('csvfile')question1=list(dataframe['question1'])

question1中某些数据会被转换为float格式，需要转为str格式。加上下面这句：

question1=[str(i) for i in question1]

keras分词器Tokenizer

Tokenizer是一个用于向量化文本，或将文本转换为序列（即单词在字典中的下标构成的列表，从1算起）的类。
示例程序：

import keras.preprocessing.text as Tfrom keras.preprocessing.text import Tokenizertext1='some thing to eat'text2='some thing to drink'texts=[text1,text2]print T.text_to_word_sequence(text1)  #['some', 'thing', 'to', 'eat']print T.one_hot(text1,10)  #[7, 9, 3, 4]print T.one_hot(text2,10)  #[7, 9, 3, 1]tokenizer = Tokenizer(num_words=10)tokenzier.fit_on_text(texts)print tokenizer.word_count #[('some', 2), ('thing', 2), ('to', 2), ('eat', 1), ('drink', 1)]print tokenizer.word_index #{'some': 1, 'thing': 2,'to': 3 ','eat': 4, drink': 5}print tokenizer.word_docs #{'some': 2, 'thing': 2, 'to': 2, 'drink': 1,  'eat': 1}print tokenizer.index_docs #{1: 2, 2: 2, 3: 2, 4: 1, 5: 1}print tokenizer.text_to_sequences(texts) #[[1, 2, 3, 4], [1, 2, 3, 5]]print tokenizer.text_to_matrix(texts) #[[ 0.,  1.,  1.,  1.,  1.,  0.,  0.,  0.,  0.,  0.], [ 0.,  1.,  1.,  1.,  0.,  1.,  0.,  0.,  0.,  0.]]

保存数组为numpy的npy二进制格式

np.save(npyfile, array)array=np.load(npyfile)with open(jsonfile, 'w') as f:    json.dump({'nb_words': nb_words}, f)with open(NB_WORDS_DATA_FILE, 'r') as f:    nb_words = json.load(f)['nb_words']

阅读全文

0 0