word2vecを使用してクラシファイアをトレーニングするにはどうすればよいですか？

Question

このコードは、word2vecを生成し、これを使用してナイーブなベイズ分類子を訓練します。 私はword2vecを生成して類似性関数を正常に使用することができました。次のステップとして、私はna2vecを使ってnaive bayes分類子を訓練します。現在、テストとトレーニングでデータをスリットしようとしているときに、コードにエラーがあります。 word2vecモデルを配列に変換してトレーニングデータとして使用するにはどうすればよいですか？ PD 輸入gensimとしてPLTとしてNP 輸入matplotlib.pyplotとして 輸入パンダをライブラリ 輸入numpyのインポート

＃

# Importing the dataset 
dataset = pd.read_csv('Restaurant_Reviews.tsv', delimiter = '\t', quoting = 3) 

# Cleaning the texts 
import re 
import nltk 
nltk.download('stopwords') 
from nltk.corpus import stopwords 
from nltk.stem.porter import PorterStemmer 
corpus = [] 
for i in range(0, 1000): 
    review = re.sub('[^a-zA-Z]', ' ', dataset['Review'][i]) 
    review = review.lower() 
    review = review.split() 
    ps = PorterStemmer() 
    review = [ps.stem(word) for word in review if not word in set(stopwords.words('english'))] 
# for word2vec we want an array of vectors 

    corpus.append(review) 

#print(corpus) 
X = gensim.models.Word2Vec(corpus, min_count=1,size=1000) 
#print (X.most_similar("love")) 


#embedding_matrix = np.zeros(len(X.wv.vocab), dtype='float32') 
#for i in range(len(X.wv.vocab)): 
# embedding_vector = X.wv[X.wv.index2word[i]] 
# if embedding_vector is not None: 
#  embedding_matrix[i] = embedding_vector 

# Creating the Bag of Words model 
#from sklearn.feature_extraction.text import CountVectorizer 
#cv = CountVectorizer(max_features = 1500) 
#X = cv.fit_transform(corpus).toarray() 
y = dataset.iloc[:, 1].values 

# Splitting the dataset into the Training set and Test set 
from sklearn.cross_validation import train_test_split 
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.20, random_state = 0) 

# Fitting Naive Bayes to the Training set 
from sklearn.naive_bayes import GaussianNB 
classifier = GaussianNB() 
classifier.fit(X_train, y_train) 

# Predicting the Test set results 
y_pred = classifier.predict(X_test) 

# Making the Confusion Matrix 
from sklearn.metrics import confusion_matrix 
cm = confusion_matrix(y_test, y_pred) 

It gives an error on line - 
from sklearn.cross_validation import train_test_split 
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.20, random_state = 0) 
TypeError: Expected sequence or array-like, got <class 'gensim.models.word2vec.Word2Vec'> 

Answer 1

Word2Vecはワード埋め込みを提供します。埋め込みによってドキュメントを特徴付けたい場合は、分類に使用できるD次元ベクトルを持つように、各ドキュメントからのすべての単語の埋め込みに平均/合計/最大操作を実行する必要があります。詳細については、hereおよびthereを参照してください。

それ以外の場合は、Doc2Vecモデルを使用してドキュメントの埋め込みを直接作成することができます。この場合、gensimも非常に優れたプロバイダを提供します。