注册
登录
个性化推荐
正确的输出是什么？
返回
正确的输出是什么？
作者:
春风助手
发布时间:
2024-04-11 09:04:33 (7天前)
<p>我想实现论文“个性化引用推荐的三层相互加强模型”（第4页）中给出的以下等式。根据本文的描述，B应该是一个方矩阵，而我正在得到一个向量。</p><p>在此处输入图片说明https://i.stack.imgur.com/LwYBw.png</p><p>我尝试了以下代码：</p><p>querySplit = query.split(‘,’)<br/>queryText = querySplit[0]<br/>qt_tag = word_tokenize(queryText.rstrip().lower().translate(translator))<br/>qt_vector = model.infer_vector(qt_tag)</p><p>def eq_b(query):<br/> vecs = np.asarray(<br/> [spatial.distance.cosine(spatial.distance.cosine(query, model.docvecs[i]), model.docvecs[i]) for i in<br/> range(Docs_len)])<br/> return vecs / vecs.sum()</p><p>b = eq_b(qt_vector)<br/>print(“B”, b)<br/>python-3.x 矩阵 矩阵乘法</p>
收藏
举报
2 条回复
1#
回复此人
只怕再见是故人
|
2020-08-17 15-56
您为B编写的公式不正确。从本文来看，B * Rt_p 等于您拥有的，但不等于 B本身。这意味着矩阵的实际公式为： ``` B=np.matmul(eq_b(qt_vector),transpose(Rt_p))/norm(Rt_p)^2 ``` 您基本上会添加额外的东西，这样在与进行乘法运算时Rt_p，所有涉及的项都会Rt_p被取消，剩下的就是eq_b(qt_vector)。取消是由于以下事实： ``` transpose(Rt_p)*Rt_p ==norm(Rt_p)^2 ```
编辑
登录
后才能参与评论
