File size: 45,106 Bytes
50e094c |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 |
{
"cells": [
{
"cell_type": "code",
"execution_count": 5,
"metadata": {},
"outputs": [],
"source": [
"from topicnet.cooking_machine import Dataset\n",
"\n",
"\n",
"dataset = Dataset('../wikiextractor/good_ruwiki_vw.txt', batch_vectorizer_path=\"./ruwiki_batches\")\n"
]
},
{
"cell_type": "code",
"execution_count": 32,
"metadata": {},
"outputs": [],
"source": [
"from topicnet.cooking_machine.dataset import get_modality_vw\n",
"import pandas as pd\n",
"\n",
"data_categories = dataset._data.vw_text.apply(lambda s: get_modality_vw(s, \"@categories\"))"
]
},
{
"cell_type": "code",
"execution_count": 33,
"metadata": {},
"outputs": [],
"source": [
"\n",
"data = data_categories.apply(lambda x: [cat[:-2] for cat in x.split()])\n",
"data_categories = pd.DataFrame(data=data.values, index=data.index.rename(\"title\"), columns=[\"categories\"])"
]
},
{
"cell_type": "code",
"execution_count": 34,
"metadata": {},
"outputs": [
{
"data": {
"text/html": [
"<div>\n",
"<style scoped>\n",
" .dataframe tbody tr th:only-of-type {\n",
" vertical-align: middle;\n",
" }\n",
"\n",
" .dataframe tbody tr th {\n",
" vertical-align: top;\n",
" }\n",
"\n",
" .dataframe thead th {\n",
" text-align: right;\n",
" }\n",
"</style>\n",
"<table border=\"1\" class=\"dataframe\">\n",
" <thead>\n",
" <tr style=\"text-align: right;\">\n",
" <th></th>\n",
" <th>categories</th>\n",
" </tr>\n",
" <tr>\n",
" <th>title</th>\n",
" <th></th>\n",
" </tr>\n",
" </thead>\n",
" <tbody>\n",
" <tr>\n",
" <th>Санкт-Петербург</th>\n",
" <td>[Санкт-Петербург, Всемирное_наследие_в_России,...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Дворцовая_площадь</th>\n",
" <td>[Карл_Росси, Эрмитаж, Художественные_музеи_и_г...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Греко-персидские_войны</th>\n",
" <td>[Греко-персидские_войны, Войны_Древней_Греции,...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Тихий_океан</th>\n",
" <td>[Тихий_океан]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Атлантический_океан</th>\n",
" <td>[Атлантический_океан]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Нева</th>\n",
" <td>[Нева, Реки,_впадающие_в_Финский_залив, Реки_Л...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Тонкослойная_хроматография</th>\n",
" <td>[Хроматография]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Атомно-абсорбционная_спектрометрия</th>\n",
" <td>[Аналитическая_химия, Спектроскопия]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Протеомика</th>\n",
" <td>[Биоинформатика, Протеомика, Белки]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Вирус_иммунодефицита_человека</th>\n",
" <td>[Retroviridae, ВИЧ-инфекция]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Эпос_о_Гильгамеше</th>\n",
" <td>[Сказания_о_Гильгамеше, Эпические_произведения...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Русский_язык</th>\n",
" <td>[Русский_язык, Языки_России, Языки_Белоруссии]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Индуизм</th>\n",
" <td>[Индуизм, Религия_в_Азии, Индоиранские_религии]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Спирты</th>\n",
" <td>[Спирты]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Кикимора</th>\n",
" <td>[Персонажи_русской_мифологии, Мифические_сущес...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Леший</th>\n",
" <td>[Духи_леса, Духи_места_у_славян, Нечистая_сила...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Воронеж</th>\n",
" <td>[Воронеж, Города,_основанные_в_XVI_веке, Город...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Солнце</th>\n",
" <td>[Термоядерные_реакции, Солнце, Жёлтые_карлики]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Венера</th>\n",
" <td>[Венера, Небесные_тела,_посещённые_спускаемыми...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Юпитер</th>\n",
" <td>[Юпитер, Небесные_тела,_посещённые_спускаемыми...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>NTP</th>\n",
" <td>[Протоколы_прикладного_уровня, Интернет-проток...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Чеченская_письменность</th>\n",
" <td>[Кириллические_алфавиты, Алфавиты_на_основе_ла...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Нижний_Новгород</th>\n",
" <td>[Нижний_Новгород, Населённые_пункты_городского...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Иванов,_Вячеслав_Иванович</th>\n",
" <td>[Выпускники_1-й_Московской_гимназии, Писатели_...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Лейбниц,_Готфрид_Вильгельм</th>\n",
" <td>[Члены_Прусской_академии_наук, Члены_Лондонско...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Гагарин,_Юрий_Алексеевич</th>\n",
" <td>[Юрий_Гагарин, Персоналии_Гагарин, Погибшие_в_...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Финский_залив</th>\n",
" <td>[Финский_залив, Заливы_Эстонии, Заливы_Ленингр...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Индонезия</th>\n",
" <td>[Индонезия]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Ботсвана</th>\n",
" <td>[Ботсвана]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Общая_теория_относительности</th>\n",
" <td>[Теории_Альберта_Эйнштейна, Общая_теория_относ...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>...</th>\n",
" <td>...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Административно-территориальное_деление_Башкурдистана</th>\n",
" <td>[Административно-территориальное_деление_Башко...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Тёмный_американский_стриж</th>\n",
" <td>[Cypseloides, Животные,_описанные_в_1848_году,...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Убийство_Марты_дель_Кастильо</th>\n",
" <td>[Уголовные_дела_без_тела, Убийства_в_Испании, ...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Праздничное_шествие_с_песней._Коляда</th>\n",
" <td>[Художники-примитивисты, Художники_наивного_ис...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Манойлов,_Владимир_Евстафьевич</th>\n",
" <td>[Электротехники_СССР, Выпускники_Санкт-Петербу...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Невилл,_Джон,_3-й_барон_Невилл_из_Рэби</th>\n",
" <td>[Невиллы, Бароны_Невилл_из_Рэби, Кавалеры_орде...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Чаннер,_Джордж_Николас</th>\n",
" <td>[Генералы_Британской_Индийской_армии, Участник...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Сиффлит,_Леонард</th>\n",
" <td>[Солдаты_Армии_Австралии, Военнопленные_Австра...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Ньютон,_Уильям</th>\n",
" <td>[Гольфисты_Австралии, Крикетчики_Австралии, Иг...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Доганджи_Мехмед-паша</th>\n",
" <td>[История_Османской_империи, Фавориты_монархов]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Инцидент_с_бейлербеем</th>\n",
" <td>[История_Османской_империи, Восстания_в_Османс...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Касым-бей_Караманид</th>\n",
" <td>[Караманиды]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Miru_Tights</th>\n",
" <td>[Аниме_и_манга_о_школе]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Harrisonavis_croizeti</th>\n",
" <td>[Вымершие_фламингообразные, Монотипические_род...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Смерть_вождя</th>\n",
" <td>[Работы_Сергея_Меркурова, Лениниана, Иконограф...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Арест_принца_Дипонегоро_(картина_Салеха)</th>\n",
" <td>[Картины_из_собраний_музея_президентского_двор...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Византийский_город</th>\n",
" <td>[Население_Византии, Градостроительство_по_ист...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Шехзаде_Мустафа_(сын_Мехмеда_II)</th>\n",
" <td>[Династия_Османов, Военные_Османской_империи]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Резня_в_Благае</th>\n",
" <td>[Геноцид_сербов_(1941—1945)]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Пятнистолобый_американский_стриж</th>\n",
" <td>[Cypseloides, Животные,_описанные_в_1945_году]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Бассет,_Ричард</th>\n",
" <td>[Бассеты, Главные_шерифы_Лестершира]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Бикрофт,_Джон</th>\n",
" <td>[Исследователи_Африки, Путешественники_Великоб...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Эдмунд_Плантагенет,_2-й_граф_Корнуолл</th>\n",
" <td>[Плантагенеты, Графы_Корнуолл]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Королева_сердец</th>\n",
" <td>[Фильмы-драмы_Дании, Фильмы-драмы_Швеции, Филь...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Карабаев,_Мухамеджан_Карабаевич</th>\n",
" <td>[Статские_советники]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Бассет,_Филипп</th>\n",
" <td>[Бассеты]</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Битва_при_Линкольне_(1217)</th>\n",
" <td>[Сражения_Первой_баронской_войны, 1217_год, Ли...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Лю_Жэньхан</th>\n",
" <td>[Философы_эпохи_Цин, Социалисты_Китая, Социали...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Реформа_эталонных_процентных_ставок</th>\n",
" <td>[Процентные_ставки, Экономические_показатели, ...</td>\n",
" </tr>\n",
" <tr>\n",
" <th>Ментеше-бей</th>\n",
" <td>[Турецкие_династии]</td>\n",
" </tr>\n",
" </tbody>\n",
"</table>\n",
"<p>8603 rows × 1 columns</p>\n",
"</div>"
],
"text/plain": [
" categories\n",
"title \n",
"Санкт-Петербург [Санкт-Петербург, Всемирное_наследие_в_России,...\n",
"Дворцовая_площадь [Карл_Росси, Эрмитаж, Художественные_музеи_и_г...\n",
"Греко-персидские_войны [Греко-персидские_войны, Войны_Древней_Греции,...\n",
"Тихий_океан [Тихий_океан]\n",
"Атлантический_океан [Атлантический_океан]\n",
"Нева [Нева, Реки,_впадающие_в_Финский_залив, Реки_Л...\n",
"Тонкослойная_хроматография [Хроматография]\n",
"Атомно-абсорбционная_спектрометрия [Аналитическая_химия, Спектроскопия]\n",
"Протеомика [Биоинформатика, Протеомика, Белки]\n",
"Вирус_иммунодефицита_человека [Retroviridae, ВИЧ-инфекция]\n",
"Эпос_о_Гильгамеше [Сказания_о_Гильгамеше, Эпические_произведения...\n",
"Русский_язык [Русский_язык, Языки_России, Языки_Белоруссии]\n",
"Индуизм [Индуизм, Религия_в_Азии, Индоиранские_религии]\n",
"Спирты [Спирты]\n",
"Кикимора [Персонажи_русской_мифологии, Мифические_сущес...\n",
"Леший [Духи_леса, Духи_места_у_славян, Нечистая_сила...\n",
"Воронеж [Воронеж, Города,_основанные_в_XVI_веке, Город...\n",
"Солнце [Термоядерные_реакции, Солнце, Жёлтые_карлики]\n",
"Венера [Венера, Небесные_тела,_посещённые_спускаемыми...\n",
"Юпитер [Юпитер, Небесные_тела,_посещённые_спускаемыми...\n",
"NTP [Протоколы_прикладного_уровня, Интернет-проток...\n",
"Чеченская_письменность [Кириллические_алфавиты, Алфавиты_на_основе_ла...\n",
"Нижний_Новгород [Нижний_Новгород, Населённые_пункты_городского...\n",
"Иванов,_Вячеслав_Иванович [Выпускники_1-й_Московской_гимназии, Писатели_...\n",
"Лейбниц,_Готфрид_Вильгельм [Члены_Прусской_академии_наук, Члены_Лондонско...\n",
"Гагарин,_Юрий_Алексеевич [Юрий_Гагарин, Персоналии_Гагарин, Погибшие_в_...\n",
"Финский_залив [Финский_залив, Заливы_Эстонии, Заливы_Ленингр...\n",
"Индонезия [Индонезия]\n",
"Ботсвана [Ботсвана]\n",
"Общая_теория_относительности [Теории_Альберта_Эйнштейна, Общая_теория_относ...\n",
"... ...\n",
"Административно-территориальное_деление_Башкурд... [Административно-территориальное_деление_Башко...\n",
"Тёмный_американский_стриж [Cypseloides, Животные,_описанные_в_1848_году,...\n",
"Убийство_Марты_дель_Кастильо [Уголовные_дела_без_тела, Убийства_в_Испании, ...\n",
"Праздничное_шествие_с_песней._Коляда [Художники-примитивисты, Художники_наивного_ис...\n",
"Манойлов,_Владимир_Евстафьевич [Электротехники_СССР, Выпускники_Санкт-Петербу...\n",
"Невилл,_Джон,_3-й_барон_Невилл_из_Рэби [Невиллы, Бароны_Невилл_из_Рэби, Кавалеры_орде...\n",
"Чаннер,_Джордж_Николас [Генералы_Британской_Индийской_армии, Участник...\n",
"Сиффлит,_Леонард [Солдаты_Армии_Австралии, Военнопленные_Австра...\n",
"Ньютон,_Уильям [Гольфисты_Австралии, Крикетчики_Австралии, Иг...\n",
"Доганджи_Мехмед-паша [История_Османской_империи, Фавориты_монархов]\n",
"Инцидент_с_бейлербеем [История_Османской_империи, Восстания_в_Османс...\n",
"Касым-бей_Караманид [Караманиды]\n",
"Miru_Tights [Аниме_и_манга_о_школе]\n",
"Harrisonavis_croizeti [Вымершие_фламингообразные, Монотипические_род...\n",
"Смерть_вождя [Работы_Сергея_Меркурова, Лениниана, Иконограф...\n",
"Арест_принца_Дипонегоро_(картина_Салеха) [Картины_из_собраний_музея_президентского_двор...\n",
"Византийский_город [Население_Византии, Градостроительство_по_ист...\n",
"Шехзаде_Мустафа_(сын_Мехмеда_II) [Династия_Османов, Военные_Османской_империи]\n",
"Резня_в_Благае [Геноцид_сербов_(1941—1945)]\n",
"Пятнистолобый_американский_стриж [Cypseloides, Животные,_описанные_в_1945_году]\n",
"Бассет,_Ричард [Бассеты, Главные_шерифы_Лестершира]\n",
"Бикрофт,_Джон [Исследователи_Африки, Путешественники_Великоб...\n",
"Эдмунд_Плантагенет,_2-й_граф_Корнуолл [Плантагенеты, Графы_Корнуолл]\n",
"Королева_сердец [Фильмы-драмы_Дании, Фильмы-драмы_Швеции, Филь...\n",
"Карабаев,_Мухамеджан_Карабаевич [Статские_советники]\n",
"Бассет,_Филипп [Бассеты]\n",
"Битва_при_Линкольне_(1217) [Сражения_Первой_баронской_войны, 1217_год, Ли...\n",
"Лю_Жэньхан [Философы_эпохи_Цин, Социалисты_Китая, Социали...\n",
"Реформа_эталонных_процентных_ставок [Процентные_ставки, Экономические_показатели, ...\n",
"Ментеше-бей [Турецкие_династии]\n",
"\n",
"[8603 rows x 1 columns]"
]
},
"execution_count": 34,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"data_categories"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": []
},
{
"cell_type": "code",
"execution_count": 85,
"metadata": {},
"outputs": [],
"source": [
"\n",
"import numpy as np\n",
"\n",
"THRESHOLD = 0\n",
"\n",
"def randomly_select(data_orig, point_a, should_intersect):\n",
" attempts_left = 100\n",
" while attempts_left > 0:\n",
" rnd_idx_b = np.random.choice(data_orig.shape[0])\n",
" point_b = data_orig.iloc[rnd_idx_b]\n",
" intersection = set(point_b.categories) & set(point_a.categories)\n",
" is_big = (len(intersection) > THRESHOLD)\n",
" if should_intersect == is_big:\n",
" # if is_big:\n",
" # print(point_a.title, point_b.title, intersection)\n",
" return point_b.title, rnd_idx_b, intersection\n",
" attempts_left -= 1\n",
" return None, None, None\n",
"\n",
"def generate_triplet(data_orig):\n",
"\n",
" rnd_idx_a = np.random.choice(data_orig.shape[0])\n",
" point_a = data_orig.iloc[rnd_idx_a]\n",
" point_b, rnd_idx_b, intersection = randomly_select(data_orig, point_a, should_intersect=True)\n",
" point_c, rnd_idx_c, empty_intersection = randomly_select(data_orig, point_a, should_intersect=False)\n",
" # return [point_a, point_b, point_c]\n",
" return [point_a.title, point_b, point_c, intersection]\n",
" # return [rnd_idx_a, rnd_idx_b, rnd_idx_c]\n",
"\n",
" \n",
" "
]
},
{
"cell_type": "code",
"execution_count": 91,
"metadata": {},
"outputs": [
{
"name": "stderr",
"output_type": "stream",
"text": [
"100%|██████████| 10000/10000 [01:57<00:00, 85.28it/s]\n"
]
},
{
"data": {
"text/plain": [
"2094"
]
},
"execution_count": 91,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"from tqdm import tqdm\n",
"\n",
"triplets = []\n",
"\n",
"for i in tqdm(range(10000)):\n",
" a, b, c, explanation = generate_triplet(data_categories.reset_index())\n",
" if b is not None and c is not None:\n",
" triplets.append( (a, b, c, explanation) )\n",
"\n",
"len(triplets)"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": []
},
{
"cell_type": "code",
"execution_count": 93,
"metadata": {},
"outputs": [],
"source": [
"import pickle\n",
"\n",
"with open(\"triplets_ruwiki_good.p\", \"wb\") as f:\n",
" pickle.dump(triplets, f)\n"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": []
},
{
"cell_type": "code",
"execution_count": 96,
"metadata": {},
"outputs": [
{
"data": {
"text/plain": [
"{'@categories', '@lemmatized', '@ngramms'}"
]
},
"execution_count": 96,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"dataset.get_possible_modalities()"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"## Scoring model by ranking quality"
]
},
{
"cell_type": "code",
"execution_count": 111,
"metadata": {},
"outputs": [],
"source": [
"from topicnet.cooking_machine.models import BaseScore as BaseTopicNetScore, TopicModel\n",
"\n",
"\n",
"class ValidationRankingQuality(BaseTopicNetScore):\n",
" def __init__(self, validation_dataset, triplets):\n",
" super().__init__()\n",
"\n",
" self.validation_dataset = validation_dataset\n",
" self.triplets = triplets\n",
"\n",
" def call(self, model: TopicModel):\n",
" theta = model.get_theta(dataset=self.validation_dataset)\n",
" \n",
" correct_rankings = 0\n",
"\n",
" for (a, b, c, _) in self.triplets:\n",
" # L1 distance, just for example\n",
" similar_dist = sum(abs(theta[a] - theta[b]))\n",
" diffrnt_dist = sum(abs(theta[a] - theta[c]))\n",
"\n",
" correct_rankings += (similar_dist < diffrnt_dist)\n",
"\n",
" return correct_rankings / len(self.triplets)\n",
"\n",
" "
]
},
{
"cell_type": "code",
"execution_count": 112,
"metadata": {},
"outputs": [],
"source": [
"import artm\n",
"\n",
"artm_model = artm.ARTM(\n",
" num_topics=20, \n",
" dictionary=dataset.get_dictionary(),\n",
" class_ids={'@lemmatized': 1, '@ngramms': 50}, # absolute values, just for example\n",
" theta_columns_naming=\"title\"\n",
")\n",
"\n"
]
},
{
"cell_type": "code",
"execution_count": 113,
"metadata": {},
"outputs": [],
"source": [
"tm = TopicModel(artm_model, custom_scores={\"ranking\": ValidationRankingQuality(dataset, triplets)})"
]
},
{
"cell_type": "code",
"execution_count": 116,
"metadata": {
"scrolled": true
},
"outputs": [],
"source": [
"tm._fit(dataset.get_batch_vectorizer(), 10)"
]
},
{
"cell_type": "code",
"execution_count": 119,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"0.8911174785100286\n"
]
},
{
"data": {
"text/plain": [
"[<matplotlib.lines.Line2D at 0x7f4f69b56b00>]"
]
},
"execution_count": 119,
"metadata": {},
"output_type": "execute_result"
},
{
"data": {
"image/png": "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\n",
"text/plain": [
"<Figure size 432x288 with 1 Axes>"
]
},
"metadata": {
"needs_background": "light"
},
"output_type": "display_data"
}
],
"source": [
"import matplotlib.pyplot as plt\n",
"%matplotlib inline\n",
"\n",
"print(tm.scores['ranking'][-1])\n",
"plt.plot(tm.scores['ranking'])"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": []
},
{
"cell_type": "code",
"execution_count": 120,
"metadata": {},
"outputs": [],
"source": [
"theta = artm_model.transform(batch_vectorizer=dataset.get_batch_vectorizer())"
]
},
{
"cell_type": "code",
"execution_count": 121,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"Далматинский_язык Сербские_беженцы_во_время_распада_Югославии Воротынское_княжество\n",
"{'История_Хорватии'}\n",
"Уорди,_Джеймс Конвей,_Джон_Хортон Великая_красота\n",
"{'Выпускники_Кембриджского_университета'}\n",
"Ардзинба,_Владислав_Григорьевич Шиман,_Пауль Беспощадная_толерантность\n",
"{'Политики_XX_века'}\n",
"Большеносая_акула Лисьи_акулы Тхить_Куанг_Дык\n",
"{'Рыбы_Атлантического_океана', 'Рыбы_Индийского_океана', 'Рыбы_Тихого_океана'}\n",
"Форт_Аламо_(фильм,_1960) Спи,_моя_любовь Государственные_деятели_Первой_мировой_войны\n",
"{'Фильмы_на_английском_языке'}\n",
"Лютостанский,_Ипполит_Иосифович Филипп_II_(митрополит_Московский) Тит_Квинкций_Фламинин\n",
"{'Извергнутые_из_сана'}\n",
"Махмуд-паша Марк_Порций_Катон_Салониан_Младший Сверх-Борджиа_в_Кремле\n",
"{'Персоналии_по_алфавиту'}\n",
"Чернов,_Григорий_Иванович Каспаров,_Гарри_Кимович Корабли_измерительного_комплекса_проекта_1914\n",
"{'Члены_КПСС'}\n",
"Махмуд-паша Александрян,_Рафаэль_Арамович Сикст_из_Оттерсдорфа\n",
"{'Персоналии_по_алфавиту'}\n",
"Операция_«Юго-Восточная_Хорватия» Штурм_Мервильской_батареи Chungking_Mansions\n",
"{'Сражения_Германии'}\n",
"Cult_County Sonic_Adventure_2 Клуб_Винкс_Волшебное_приключение\n",
"{'Компьютерные_игры,_разработанные_в_США', 'Игры_для_Windows'}\n"
]
}
],
"source": [
"for (a, b, c, explanation) in triplets[:100]:\n",
" # L1 distance, just for example\n",
" similar_dist = sum(abs(theta[a] - theta[b])) \n",
" diffrnt_dist = sum(abs(theta[a] - theta[c]))\n",
"\n",
" if (similar_dist > diffrnt_dist):\n",
" print(a, b, c)\n",
" print(explanation)\n"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": []
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": []
}
],
"metadata": {
"kernelspec": {
"display_name": "Python 3",
"language": "python",
"name": "python3"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": "3.8.11"
}
},
"nbformat": 4,
"nbformat_minor": 2
}
|