关于稀疏邻接矩阵生成的代码问题

[dongcy-AHU]

我觉得这里的else：row.append(i + vocab_size)应该改为else：row.append(i + train_size+vocab_size)，对吗？ 这段代码是为doc节点和word节点生成稀疏邻接矩阵的代码，邻接矩阵的大小为train_size + vocab_size + test_size， 当doc文本序号i大于train_size时，剩下的不就是test_size大小的文本与单词建立连接吗？test_size在邻接矩阵之前不是有train_size+vocab_size，所以此时是不是文本从train_size+vocab_size开始一一与词建立连接？

以下为源码：

for i in range(len(shuffle_doc_words_list)):
    doc_words = shuffle_doc_words_list[i]
    words = doc_words.split()
    doc_word_set = set()
    for word in words:
        if word in doc_word_set:
            continue
        j = word_id_map[word]
        key = str(i) + ',' + str(j)
        freq = doc_word_freq[key]
        if i < train_size:
            row.append(i)
        else:
            row.append(i + vocab_size)
        col.append(train_size + j)
        idf = log(1.0 * len(shuffle_doc_words_list) / word_doc_freq[vocab[j]])
        weight.append(freq * idf)
        doc_word_set.add(word)

非常感谢您能够回答我的问题！

[yao8839836]

@dongcy-AHU

shuffle_doc_words_list 是文本内容列表，其中前半部分是训练集，后半部分是测试集。

假设shuffle_doc_words_list长度是1000 (包含训练集和测试集)，词表大小是500，那测试集最后一个文档在邻接矩阵中的行号应该是999+500， 而不是999+ 800(训练集大小)+ 500

[dongcy-AHU]

已明白，感谢！