对三体进行分词生成词向量

网上下载的三体TXT版本


txt文件放在“f:\test5\threebody.txt”中,分词后的文件放在“f:\test5\threebody2.txt”

使用jeba分词工具

import jieba

filePath = r'f:\test5\threebody.txt'
fileSegWordDonePath = r'f:\test5\threebody2.txt'
fileTrainRead = []
with open(filePath, encoding='utf-8') as f:
    for line in f:
        fileTrainRead.append(line)


fileTrainSeg = []
'''

print(' '.join(list(jieba.cut(fileTrainRead[100][2: -1], cut_all=False))))
'''
for i in range(len(fileTrainRead)):
    fileTrainSeg.append(' '.join(list(jieba.cut(fileTrainRead[i][:], cut_all=False))))
    if i % 100 == 0:
        print(i)

with open(fileSegWordDonePath, 'w', encoding='utf-8') as f:
    for i in range(len(fileTrainSeg)):
        f.write(fileTrainSeg[i])
        f.write('\n')
 

效果如下

打开两个文件均用的“utf-8”进行编码,因为下载的txt文件也是utf-8编码的

训练词向量并保存

from gensim.models import word2vec

sentence = word2vec.Text8Corpus(r'f:\test5\threebody2.txt')
model = word2vec.Word2Vec(sentence)
model.save(r'f:\test5\threebody2.bin')
 

随时调用训练好的词向量

from gensim.models import word2vec

model = word2vec.Word2Vec.load(r'f:\test5\threebody2.bin')
a = model.most_similar('三体')
for i in a:
    print(i)

('地球', 0.9131160974502563)
('人类', 0.8874142169952393)
('文明', 0.8738576769828796)
('宇宙', 0.8627338409423828)
('两个', 0.8485667705535889)
('太阳系', 0.8431316018104553)
('生存', 0.840785026550293)
('技术', 0.8377254009246826)
('毁灭', 0.8264228105545044)
('舰队', 0.8234724998474121)


Process finished with exit code 0





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