文本表示(二)—— word2vec 词向量训练代码

相关原理可参见:文本表示(一)—— word2vec(skip-gram CBOW) glove, transformer, BERT

其它相关链接:

文本表示(三)—— fasttext 词向量调用代码

二话不说,直接上代码

import pandas as pd
import jieba
import re
from gensim.models import Word2Vec

embedding_size = 200  # 设置词向量大小
iters = 10  # 设置迭代次数
min_count = 5  
model_file = 'word2vec_{}'.format(embedding_size)

splitter = '(。|!|\!|?|\?|;|;|\n)'


# 文档加载
class TextLoader(object):
    def __init__(self):
        pass

    def __iter__(self):
        file_name = '语料.csv'
        df = pd.read_csv(file_name, sep=',', encoding='utf-8')
        texts = df['文本描述'].tolist()
        for text in texts:
            text = str(text)
            if len(text) == 0 or text == 'nan':
                continue
            sentences = re.split(splitter, str(text))
            for sen in sentences:
                segments = [str(i) for i in jieba.cut(sen)]
                yield segments


corpus = TextLoader()
model = Word2Vec(corpus, workers=20, size=embedding_size, sg=1, iter=iters, min_count=min_count)
model.save(model_file)

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

微知girl

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值