我想计算单词mover在所有消息之间的距离。,并且在较大的数据集上是不可行的。我已经研究了多处理,但我需要在数据帧中获得结果。 return [base_model.wv.wmdistance(p1, p2) for p2 in data[col].str.split()for p1 in data[col].str.split()
我正在建立一个递归神经网络,其中我有一个时间序列的特征向量(N X D),其中N列中的每一列都对应于一个“事件”。我得到了事件坐标在另一个N×3矩阵中的演变。我不是简单地向网络提供(N x D+ 3)矩阵,而是想要构建一个事件图,以便也利用图卷积。对于单事件分类的情况,我已经建立了一种方法来构造N个事件坐标的密集邻接矩阵。这涉及到计算N个坐标中每个坐标的成对距离并应用高斯核。 更准确地说,我是根据这