准备中文语料库
要针对自己的情景,训练适合自己的词嵌入,所以要自己准备一个语料库。
或者使用网上提供的语料库:中文语料库
下载源码
解压源码
将 源码包(GloVe-master.zip) 和 语料库文件(corpus.txt) 传到 Linux 中
yum install lrzsz -y
rz
解压源码包
yum install unzip -y
unzip GloVe-master.zip
将 语料库文件 移动到 GloVe-master 目录下
mv corpus.txt GloVe-master/
修改训练参数
(1)进入 GloVe-master 目录
cd GloVe-master
(2) 修改demo.sh
vim demo.sh
注释或删除以下代码
修改参数设置
# 已准备的语料库文件
CORPUS=corpus.txt
VOCAB_FILE=vocab.txt
COOCCURRENCE_FILE=cooccurrence.bin
COOCCURRENCE_SHUF_FILE=cooccurrence.shuf.bin
BUILDDIR=build
SAVE_FILE=vectors
(3)保存
:wq
执行demo.sh
make
bash demo.sh
备注:中间会报很多警告,不用管
训练结果
训练后会得到 vectors.txt,打开后在第一行加上vocab_size vector_size,这样才能用word2vec的load函数加载成功。
vocab_size 和 vector_size可在训练时看到:
vectors.txt 文件的样子如下: