文本表示(三)—— fasttext 词向量调用代码

 

模型训练 分类算法(二)—— FastText

原理介绍 分类算法(二)—— FastText(原理介绍)

词向量调用代码:

import fasttext
model_path = 'vec.bin'  # model是分类模型训练得到的model
model=fasttext.load_model(model_path)
w = model.get_word_vector('词向量')
print(len(w))
sentence_w=model.get_sentence_vector('️韩国百年大学药科学教授组倾力研发内含多肽成分延缓衰老')
print(len(sentence_w))
print(sentence_w)

----------------------------------------

发现了一篇比较好的文章

https://blog.csdn.net/sinat_26917383/article/details/83041424  貌似可以直接训练fasttext的词向量,且包含word2vec和glove词向量训练链接

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
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