Семантическое сходство предложений в тексте

Question

Я использовал материал отсюда и предыдущую страницу форума, чтобы написать некоторый код для программы, которая автоматически вычислит семантическое сходство между последовательными предложениями по всему тексту. Вот;

Код для первой части - копия, вставленная из первой ссылки, затем у меня есть этот материал ниже, который я вставил после строки 245. Я удалил все лишнее после строки 245.

with open ("File_Name", "r") as sentence_file:
    while x and y:
        x = sentence_file.readline()
        y = sentence_file.readline()
        similarity(x, y, true)           
#boolean set to false or true 
        x = y
        y = sentence_file.readline() 

Мой текстовый файл отформатирован так:

Красный алкогольный напиток. Свежий апельсиновый сок. Английский словарь. Желтые обои.

В конце я хочу отобразить все пары последовательных предложений со сходством рядом с ними, вот так;

["Red alcoholic drink.", "Fresh orange juice.", 0.611],

["Fresh orange juice.", "An English dictionary.", 0.0]

["An English dictionary.", "The Yellow Wallpaper.",  0.5]

if norm(vec_1) > 0 and if norm(vec_2) > 0:
    return np.dot(vec_1, vec_2.T) / (np.linalg.norm(vec_1)* np.linalg.norm(vec_2))
 elif norm(vec_1) < 0 and if norm(vec_2) < 0:
    ???Move On???

Answer 1

Это должно работать. Есть несколько вещей, чтобы отметить в комментариях. По сути, вы можете перебирать строки в файле и сохранять результаты по мере необходимости. Один из способов обрабатывать две строки за раз - это установить "бесконечный цикл" и проверить последнюю прочитанную строку, чтобы убедиться, что мы достигли конца (readline() вернусь None в конце файла).

# You'll probably need the file extention (.txt or whatever) in open as well
with open ("File_Name.txt", "r") as sentence_file:
    # Initialize a list to hold the results
    results = []

    # Loop until we hit the end of the file
    while True:
        # Read two lines
        x = sentence_file.readline()
        y = sentence_file.readline()

        # Check if we've reached the end of the file, if so, we're done
        if not y:
            # Break out of the infinite loop
            break
        else:
            # The .rstrip('\n') removes the newline character from each line
            x = x.rstrip('\n')
            y = y.rstrip('\n')

            try: 
                # Calculate your similarity value
                similarity_value = similarity(x, y, True)

                # Add the two lines and similarity value to the results list
                results.append([x, y, similarity_value])
            except:
                print("Error when parsing lines:\n{}\n{}\n".format(x, y))

# Loop through the pairs in the results list and print them
for pair in results:
    print(pair)

Изменить: Что касается вопросов, которые вы получаете от similarity()Если вы хотите просто игнорировать пары линий, которые вызывают эти ошибки (без глубокого взгляда на источник, я действительно понятия не имею, что происходит), вы можете добавить try, catch вокруг вызова similarity(),