最近需要用word2vec来对微博的一些数据进行处理,因此学习了word2vec算法。
对word2vec算法说的最详细的,可以参考该文章:
http://pan.baidu.com/s/1gdX8yxd
对于google发出的c语言版本的源码,做了一些注释,可以略做参考:
https://github.com/kamendula/word2vec
目前的word2vec的算法是全量的方式,但是由于在进行处理的时候,我们希望可以以增量的方式来进行训练,因此可以参考该代码:
https://github.com/kamendula/gensim
初步验证是可以的,但是还需要更大规模的语料来进行判断。