如何获取手套向量的特征名称

Question

Countvectorizer 有特征名称，像这样。

vectorizer = CountVectorizer(min_df=10,ngram_range=(1,4), max_features=15000)
vectorizer.fit(X_train['essay'].values) # fit has to happen only on train data

X_train_essay_bow = vectorizer.transform(X_train['essay'].values)
feature_names= vectorizer.get_feature_names()

手套向量的特征名称是什么？

如何获得这些功能名称？

with open('glove_vectors', 'rb') as f:
    model = pickle.load(f)
    glove_words =  set(model.keys())

我有如上图所示的 300 维的手套矢量文件。

手套向量的 300 个维度的名称是什么？

Answer 1

手套功能没有名称。 countvectorizer 计算每个句子中每个标记的出现次数。因此，这些功能具有易于理解的名称。特征“猫”是记号“猫”在每个句子中的计数。

对于 Glove Vectors，策略完全不同，并且没有等效的特征表示。手套向量是词在抽象 N 维空间中的嵌入。

标记的 Glove 向量来自将标记作为输入传递到经过训练的神经网络，并在中间获取自动编码层的激活。

如果您曾经训练过深度神经网络，想象一下选择其中的某个隐藏层。该隐藏层中每个节点的特征名称是什么？这是一个毫无意义的问题，因为节点不是特征；它们的存在是为了将激活传递到下一层。 Glove 向量特征也是如此；它们是网络中隐藏层的激活值。