第五周--python，尝试word2vec结合k-means实现关键字聚类

最新推荐文章于 2024-10-14 09:08:48 发布

Bird_xuan

最新推荐文章于 2024-10-14 09:08:48 发布

阅读量139

点赞数

文章标签： python word2vec kmeans 聚类自然语言处理

本文链接：https://blog.csdn.net/Bird_xuan/article/details/133040978

版权

本文介绍了如何使用word2vec对关键词进行向量化，然后结合k-means进行聚类。通过详细步骤和参考链接，展示了将自然语言处理技术应用于关键字分类的过程。

摘要由CSDN通过智能技术生成

　　对于关键词，句子的聚类，一开始真的是找不到头脑，后来了解到使用word2vec可以让关键字实现向量化，实现了向量化之后，再使用k-means聚类不就可以了吗。

　　1.结合word2vec进行关键字向量化

　　参考连接：https://blog.csdn.net/qq_28840013/article/details/89681499

　　这篇文章是讲解如何初步使用word2vec，讲解得很详细，就不多解释，

　　代码尝试：

from gensim.models import word2vec
import gensim

#获取句子
sentences=word2vec.Text8Corpus("kjcg.txt")
# print(sentences)

#sg=1是skip—gram算法，对低频词敏感，默认sg=0为CBOW算法
#size是神经网络层数，值太大则会耗内存并使算法计算变慢，一般值取为100到200之间。
#window是句子中当前词与目标词之间的最大距离，3表示在目标词前看3-b个词，后面看b个词(b在0-3之间随机)
#min_count是对词进行过滤，频率小于min-count的单词则会被忽视，默认值为5。
#negativ