Il y avait une question similaire ici Gensim Doc2Vec Exception AttributeError: 'str' object has no attribute 'words', mais il n'a pas obtenu de réponses utiles. J'essaie de former Doc2Vec sur les corpus de 20newsgroups. Voilà comment je construis le vocab:Formation du jeu de données Doc2Vec sur 20newsgroups. Obtenir Exception AttributeError: l'objet 'str' n'a pas d'attribut 'words'
from sklearn.datasets import fetch_20newsgroups
def get_data(subset):
newsgroups_data = fetch_20newsgroups(subset=subset, remove=('headers', 'footers', 'quotes'))
docs = []
for news_no, news in enumerate(newsgroups_data.data):
tokens = gensim.utils.to_unicode(news).split()
if len(tokens) == 0:
continue
sentiment = newsgroups_data.target[news_no]
tags = ['SENT_'+ str(news_no), str(sentiment)]
docs.append(TaggedDocument(tokens, tags))
return docs
train_docs = get_data('train')
test_docs = get_data('test')
alldocs = train_docs + test_docs
model = Doc2Vec(dm=dm, size=size, window=window, alpha = alpha, negative=negative, sample=sample, min_count = min_count, workers=cores, iter=passes)
model.build_vocab(alldocs)
Ensuite, je forme le modèle et enregistrer le résultat:
model.train(train_docs, total_examples = len(train_docs), epochs = model.iter)
model.train_words = False
model.train_labels = True
model.train(test_docs, total_examples = len(test_docs), epochs = model.iter)
model.save(output)
Le problème apparaît lorsque je tente de charger le modèle: screen
I essayé:
en utilisant Label edSentence au lieu de TaggedDocument
rendement TaggedDocument au lieu de les annexant à la liste
paramètre min_count 1, donc pas de mot serait ignoré (au cas)
De plus, le problème se produit sur python2 ainsi que python3.
Aidez-moi à résoudre ce problème.