自然语言处理实战(一):king-man+woman

第一个word2vec例子:woman+king-man=queen。

1、加载二进制模型

直接使用Google开源模型GoogleNews-vectors-negative300.bin,使用gensim库来加载这个二进制模型:

from gensim import models
w=models.KeyedVectors.load_word2vec_format('GoogleNews-vectors-negative300.bin',binary=True)
2、打印结果
print('King-man+woman:')
print('')
print(w.wv.most_similar(positive=['woman','king'],negative=['man']))

输出:
在这里插入图片描述

3、woman和man的相似度
print('Similarity between man and woman:')
print(w.similarity('woman','man'))

输出:
在这里插入图片描述

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