NLP到word2vec实战班视频截图3---Word2vec实战和kaggle案例分析

是用全量数据训练还是采用领域内的样本（数量足够大的话），领域内的更有效

语料处理和模型构建

标点去不去掉要看不同场合

针对one-hot的特征，树模型其实不太合适

一句话中每个词都对应一个N维的向量，这句话的向量就是各个词向量的average。但这种方式比较粗暴，结合tfidf借助外部的语料判断哪些词更重要也许效果会好些，对重要的词赋予更重要的权重。

LSTM效果会比SVM好些

 

比如把电商客户的浏览路径看作是句子分词后的sequence，送入word2vec模型中训练一个300维（一般300维可以用了）的向量，这个效果比协同过滤的召回率高。

一个例子

 

这个project的地址

https://github.com/manasRK/word2vec-recommender

slides：https://docs.google.com/presentation/d/1D4kdRbpHIZJ6YJc0huCRjiipNImC3rZxKSUdP_uub2U/edit#slide=id.p4

案例中的代码后续补齐