gensimのpoincare embeddingを使って感情データをモデル化する

アドベントカレンダー20日目です。

最近、Wordnetなどの階層構造データを扱うことがあるので、poincare embeddingにちょっと興味が湧いて試してみました。

poincare embeddingは、双曲空間を凸方向に射影したものなので、木構造データの表現に適したembeddingというのが私の中の雑な理解です。

詳細は他サイトに譲ります。

環境

ubuntu 20.04.5 LTS
python 3.9.6

使用データ

サイトなかほどのXLSXファイルをダウンロードし、作業者１シートをtsv形式にしたものを用いました。

前準備

gensim、ploylyともに古いバージョンでないと可視化のところでうまくいきません。

gensimインストール

pip install gensim==3.7.3

可視化用ライブラリインストール

pip install plotly==2.7.0

モデル作成

さっくりできます。

from gensim.models.poincare import PoincareModel, PoincareRelations
from gensim.test.utils import datapath
relations = PoincareRelations(file_path=datapath('/emotion1.tsv'))
model = PoincareModel(train_data=relations, size=2)
model.train(epochs=50)

可視化

ある意味ここが一番のはまりポイント。google colabとかだと、他にも呪文がいるとか。

import gensim.viz.poincare
import ployly.offline

plotly.offline.init_notebook_mode(connected=False)
prefecutre_map = gensim.viz.poincare.poincare_2d_visualization(model=model,
                                                               tree=relations,
                                                               figure_title="可視化",
                                                               num_nodes=10,
                                                               show_node_labels=model.kv.vocab.keys())
plotly.offline.iplot(prefecutre_map)

結果

丸いですね。期待通り。ごちゃっとしていますが、実際の画面ではカーソルおいたところの文字が紫枠で浮かんでくれます。

いくつか機能を紹介します。

類似度の高い言葉を引っ張ってくることができます。
"嬉しい"と近いもの２個を引っ張ってきます。

model.kv.most_similar("嬉しい",topn=2)

出力：[('良かった', 0.010566568678917252), ('歓心', 0.011028224138605661)]

"悲しい"と近いもの２個を引っ張ってきます。

model.kv.most_similar("悲しい",topn=2)

出力：[('悲哀', 0.023677410109664343), ('悲嘆', 0.02400493515592728)]

階層を反映させた形で、近いものを引っ張てくることもできます。
"嬉しい"の下位階層の最も近いもの

model.kv.closest_child("嬉しい")

出力：'嬉しがる'

"嬉しい"の上位階層の最も近いもの

model.kv.closest_parent("嬉しい")

出力：'良かった'

結果の妥当性としては、ちょっとよくわからないですね。使ったデータにもよる気がします。表記ゆれ対応とかにも使えるかもしれません。

gensimでの実装自体は結構古いですが、最近はDeepLearningでこのpoincare embeddingを実装した話が新しくでてきているようなので、またブームが来るのかもしれません。

参考

https://qiita.com/wwacky/items/3c33fa0add05c601f555
https://radimrehurek.com/gensim/models/poincare.html