训练模型

利用gensim.models.Word2Vec(sentences)建立词向量模型
- 该构造函数执行了三个步骤：建立一个空的模型对象，遍历一次语料库建立词典，第二次遍历语料库建立神经网络模型可以通过分别执行model=gensim.models.Word2Vec()，model.build_vocab(sentences)，model.train(sentences)来实现
训练时可以指定以下参数
- min_count指定了需要训练词语的最小出现次数，默认为5
- size指定了训练时词向量维度，默认为100
- worker指定了完成训练过程的线程数，默认为1不使用多线程。只有注意安装Cython的前提下该参数设置才有意义
训练结果保存可以通过model.save('fname')或model.save_word2vec_format(fname)来保存为文件，再使用model.load(fname)或model.load_word2vec_format(fname,encoding='utf-8')读取查询结果

例如：

from gensim.models.word2vec import Word2Vec sentences = [['A1'，'A2']，[]，[]，....]
model= Word2Vec()
model.build_vocab(sentences)
model.train(sentences，total_examples = model.corpus_count，epochs = model.iter)

保存：

model.save('/tmp/MyModel')
＃model.save_word2vec_format('/tmp/mymodel.txt',binary = False)
＃model.save_word2vec_format('/tmp/mymodel.bin.gz',binary = True)

前一组方法保存的文件不能利用文本编辑器查看但是保存了训练的全部信息，可以在读取后追加训练
后一组方法保存为word2vec文本格式但是保存时丢失了词汇树等部分信息，不能追加训练

追加加训练：

model = gensim.models.Word2Vec.load('/tmp/mymodel')
model.train(more_sentences)

加载：

model = gensim.models.Word2Vec.load('/tmp/mymodel')#model = gensim.models.KeyedVectors.load_word2vec_format('/tmp/vectors.txt',binary = False)
#model = gensim.models.KeyedVectors。load_word2vec_format('/tmp/vectors.bin',binary = True)
##使用gzipped / bz2输入也可以，不需要解压：
#model = gensim.models.KeyedVectors.load_word2vec_format('/tmp/vectors.bin.gz',binary=True)

模型使用：

获取词向量

print(model ['man'])
print(type(model ['man']))

输出：

[0.14116223 0.05663395 0.01500377 -0.03592452 ...]
numpy.ndarray

计算一个词的最近似的词，倒排序

model.most_similar(['男人'])

输出：

[（'女'，0.7664012908935547），（ '男孩'，0.6824870109558105），（ '青少年'，0.6586930155754089），（ '女孩'，0.5921714305877686），（ '强盗'，0.5585119128227234），（ '男'，0.5489763021469116），（'人'，0.5420035719871521），（ '人'，0.5342026352882385），（ '绅士'，0.5337990522384644），（ '摩托车手'，0.5336882472038269）]

计算两词之间的余弦相似度

word2vec一个很大的亮点：支持词语的加减运算（实际中可能只有少数例子比较符合）

model.most_similar(positive = ['woman','king'],negative = ['man'],topn = 2)

输出：

[（'王后'，0.7118192911148071）,（'君主'，0.6189675331115723）]

---

model.similarity('女人', '男人')

输出：

0.7664012234410319

计算两个集合之间的余弦似度

当出现某个词语不在这个训练集合中的时候，会报错！

list1 = ['我'，'走'，'我'，'学校']
list2 = ['我'，'去'，'家']
list_sim1 = model.n_similarity（list1，list2）
print（list_sim1）

输出：

0.772446878519

选出集合中不同类的词语

model.doesnt_match('breakfast cereal dinner lunch'.split())

输出：

'谷类'

gensim Word2Vec 训练和使用相关推荐

自然语言处理之使用gensim.Word2Vec训练词向量进行词义消歧
自然语言处理之使用gensim.Word2Vec训练词向量进行词义消歧 NLP中进行词义消歧的一个非常方便且简单的方法就是训练词向量,通过词向量计算余弦值,来推断某个词在句子中的含义.python中的 ...
使用word2vec训练中文词向量
https://www.jianshu.com/p/87798bccee48 一.文本处理流程通常我们文本处理流程如下: 1 对文本数据进行预处理:数据预处理,包括简繁体转换,去除xml符号,将单词 ...
word2vec训练中文词向量
词向量作为文本的基本结构--词的模型.良好的词向量可以达到语义相近的词在词向量空间里聚集在一起,这对后续的文本分类,文本聚类等等操作提供了便利,这里简单介绍词向量的训练,主要是记录学习模型和词向量的保 ...
python实现glove,gensim.word2vec模型训练实例
20210331 https://blog.csdn.net/sinat_26917383/article/details/83029140 glove实例 https://dumps.wikimed ...
NLP 利器 Gensim 来训练 word2vec 词向量模型的参数设置
使用 Gensim 来训练 word2vec 词向量模型的参数设置文章目录一.最小频次 min_count 二.词向量维度 size 三.并行处理核心数 workers 我们可以使用一些参数设置来 ...
Tensorflow和Gensim里word2vec训练
Tensorflow里word2vec训练 # -*- coding:utf-8 -*- import tensorflow as tf import numpy as np import math ...
Python Gensim Word2Vec
Gensim is an open-source vector space and topic modelling toolkit. It is implemented in Python and u ...
利用word2vec训练词向量
利用word2vec训练词向量这里的代码是在pycharm上运行的,文件列表如下: 一.数据预处理我选用的数据集是新闻数据集一共有五千条新闻数据,一共有四个维度数据集:https://pan.b ...
深度学习 - 38.Gensim Word2Vec 实践
目录一.引言二.Word2vec 简介 1.模型参数 2.Word2vec 网络 3.Skip-gram 与 CBOW 4.优化方法 4.1 负采样 4.2 层次 softmax 三.Word2v ...

gensim Word2Vec 训练和使用

训练模型

模型使用：

获取词向量

计算一个词的最近似的词，倒排序

计算两词之间的余弦相似度

计算两个集合之间的余弦似度

选出集合中不同类的词语

gensim Word2Vec 训练和使用相关推荐

最新文章

热门文章