美文网首页
gensim训练词向量

gensim训练词向量

作者: 微澜55 | 来源:发表于2019-06-25 17:14 被阅读0次

import使用到的库

#coding=utf8

import sys
import jieba.posseg as pseg
import jieba

from gensim.models import Word2Vec
from gensim.models.word2vec import LineSentence
import multiprocessing

分词类

对中文语料进行分词预处理
class Seg:
    def __init__(self, corpus_file, seg_file):
        self.corpus_file = corpus_file
        self.seg_file = seg_file

    def seg(self):
        with open(self.corpus_file, "r") as fin:
            with open(self.seg_file, "w") as fout:
                for line in fin.readlines():
                    line = line.strip()
                    if line == "":
                        continue
                    segs = jieba.cut(line)
                    fout.write(" ".join(segs) + "\n")

训练词向量


class GenSim:
    def __init__(self, input_text, model, word_vector):
        self.input_text = input_text
        self.model = model
        self.word_vector = word_vector

    def train(self):
        #size:词向量维度
        #window:上下文窗口大小
        model = Word2Vec(LineSentence(self.input_text), size = 512, window = 5, min_count = 5, workers = multiprocessing.cpu_count())
        #存储模型
        model.save(self.model)
        #存储词向量
        model.wv.save_word2vec_format(self.word_vector, binary=False)

主函数

if __name__ == "__main__":
    s = Seg(sys.argv[1], sys.argv[2])
    s.seg()

    g = GenSim(sys.argv[2], sys.argv[3], sys.argv[4])
    g.train()

测试

#coding=utf8

import sys

from gensim.models import Word2Vec

model = Word2Vec.load(sys.argv[1])

words = ["初一", "初二"]
for i in range(0, len(words)):
    res = model.most_similar(words[i])
    print(words[i])
    print(res)

相关文章

  • gensim 词向量工具

    web使用python版的wrod2vec工具gensim来训练词向量。词向量维数设置为100,训练出来的词向量词...

  • 如何gensim加载glove训练的词向量

    如何gensim加载glove训练的词向量 一、前言 glove和word2vec是目前最常用的两个训练词向量的模...

  • gensim训练词向量

    txt文件是已经分好词的5W条评论,训练模型只需一句话: 第一个参数是训练语料,第二个参数是小于该数的单词会被剔除...

  • gensim训练词向量

    import使用到的库 分词类 训练词向量 主函数 测试

  • Pytorch 词向量训练

    说明 对于词向量的训练,常用的有如gensim库下提供的word2vec模型,后面会简单的示例gensim库下该模...

  • 使用gensim训练词向量

    当语料库很大无法一次性加载时,可以使用如下方法: 增量训练

  • 用gensim快速打开词向量

    gensim是一个方便的nlp工具,特别是用来导入词向量,这里简单记录一下gensim导入词向量的方法 gensi...

  • word2vec模型继续训练continue training

    要想词向量模型能够继续训练,首先要保证用model.save()方法保存; 然后再用model=gensim.mo...

  • python gensim 词向量训练笔记

    记录词向量训练过程,备忘(系统ubuntu16、python2.7)涵盖内容:python rar解压、大文件分解...

  • Gensim调用Word2Vec

    使用python自然语言处理包Gensim 调用Word2Vec进行词向量转换

网友评论

      本文标题:gensim训练词向量

      本文链接:https://www.haomeiwen.com/subject/lrsxcctx.html