人民日报训练word2vec实验

  • 项目地址:https://github.com/BeJane/word2vec
  • 数据集链接: https://pan.baidu.com/s/1mnJedKLKZLqjH7940rz5iQ 提取码: 8phf

数据集

人民日报:2020年10月04日-2021年10月04日

  • 概况

    • 25590 articles
    • 742362 sentences
    • 0.021 billion words
    • 294730 tokens
    • 182004942 pairs (window size: 5)

训练参数

vector dimension: 100

window size: 5

K: 5

batch size: 50

epoch: 10

learning rate: 0.025

训练结果

  • loss下降曲线
    在这里插入图片描述

  • 词向量保存

在这里插入图片描述

  • 词向量可视化

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gK7xhfkI-1636855341517)(C:/Users/wjq/AppData/Roaming/Typora/typora-user-images/image-20211014095234651.png)]

  • 相似性测试
words: 新冠
similar words:
[('肺炎', 0.8603816032409668),
 ('抗击', 0.7354764342308044),
 ('病毒', 0.7166163921356201),
 ('延宕', 0.6780088543891907),
 ('疫情', 0.6722403764724731),
 ('内新冠', 0.6578879356384277),
 ('疫苗', 0.6544620990753174),
 ('接种', 0.6023126244544983),
 ('同新冠', 0.5994764566421509),
 ('冠状病毒', 0.5871719121932983)]
words: 发展
similar words:
[('旅游业', 0.6072622537612915),
 ('创新性', 0.5869481563568115),
 ('经济社会', 0.5864200592041016),
 ('跨越式', 0.5672993659973145),
 ('体育事业', 0.5610668063163757),
 ('文旅', 0.5601040720939636),
 ('高质量', 0.554404616355896),
 ('黄河流域', 0.5506658554077148),
 ('繁荣', 0.5431921482086182),
 ('进步', 0.5419984459877014)]
words: 绿色
similar words:
[('低碳', 0.7634264230728149),
 ('环保', 0.6420109272003174),
 ('转型', 0.6213286519050598),
 ('环境友好', 0.6132680773735046),
 ('讲究卫生', 0.6122341156005859),
 ('都市型', 0.6091085076332092),
 ('绿色革命', 0.5904538035392761),
 ('能源', 0.5856208205223083),
 ('碳循环', 0.5794229507446289),
 ('清洁', 0.5748923420906067)]
words: 北京
similar words:
[('未完待续', 0.6831703186035156),
 ('专栏(', 0.673279345035553),
 ('发本报', 0.6611239910125732),
 ('汝新华社', 0.6597181558609009),
 ('汪哲平本报', 0.6554037928581238),
 ('张丹峰新华社', 0.6540434956550598),
 ('杨文斌', 0.6522436141967773),
 ('第比利斯', 0.652116596698761),
 ('张芳曼本报', 0.6461266279220581),
 ('沈亦伶本报', 0.6431300044059753)]
words: 数字
similar words:
[('数字化', 0.6296783685684204),
 ('人工智能', 0.6016441583633423),
 ('虚拟现实', 0.5961554646492004),
 ('飞桨', 0.591392457485199),
 ('开发者', 0.5806708335876465),
 ('交互式', 0.5730010271072388),
 ('裸眼', 0.5715974569320679),
 ('及物', 0.5713117122650146),
 ('全息', 0.5710457563400269),
 ('信息技术', 0.5665836930274963)]
words: 产业
similar words:
[('生态旅游', 0.6470369696617126),
 ('新兴产业', 0.6328831911087036),
 ('优势产业', 0.6275804042816162),
 ('委员会洛川县', 0.6137779355049133),
 ('特色产业', 0.6064068675041199),
 ('传统产业', 0.6043283939361572),
 ('转型', 0.603561520576477),
 ('一二三', 0.601521372795105),
 ('产业化', 0.6010552048683167),
 ('信创', 0.5984545946121216)]
words: 经济
similar words:
[('复苏', 0.5899767279624939),
 ('贸易', 0.5835217237472534),
 ('拉动', 0.5685859322547913),
 ('疫后', 0.5623974800109863),
 ('主动力', 0.5564263463020325),
 ('主任医师孙', 0.5527517795562744),
 ('主任吉林省田秋', 0.5423448085784912),
 ('中巴', 0.5394772291183472),
 ('服务业', 0.5384839177131653),
 ('腾格里', 0.5380746126174927)]
  • 类比测试
男--博士,
女--?
[('硕士', 0.6023393869400024),
 ('香港科技大学', 0.5548747181892395),
 ('计算机系', 0.5405473709106445),
 ('剑桥大学', 0.534896969795227),
 ('李传锋', 0.5326829552650452),
 ('南京农业大学', 0.5315748453140259),
 ('旁听生', 0.5241110920906067),
 ('郭光灿', 0.5227930545806885),
 ('海归', 0.522708535194397),
 ('药学院', 0.5192795395851135)]
女--女士,
男--?
[('刘先生', 0.5702798366546631),
 ('李先生', 0.5457801818847656),
 ('某某', 0.540930986404419),
 ('感谢信', 0.5367707014083862),
 ('陈女士', 0.521395742893219),
 ('胡锡恩', 0.5200252532958984),
 ('领养', 0.5141705870628357),
 ('奶奶', 0.5098757147789001),
 ('夏行', 0.5089772939682007),
 ('一位', 0.5088501572608948)]
城市--建设,
农村--?
[('文化公园', 0.5251893997192383),
 ('拔地而起', 0.5027098655700684),
 ('廊道', 0.49922025203704834),
 ('外环', 0.49078091979026794),
 ('这座', 0.4868094027042389),
 ('园林景观', 0.47893524169921875),
 ('世界级', 0.4766378700733185),
 ('长隆', 0.47415652871131897),
 ('城市公园', 0.4703103303909302),
 ('大运河', 0.4702015519142151)]
经济--发展,
生态环境--?
[('业态', 0.5431914329528809),
 ('注入', 0.5175008177757263),
 ('旅游业', 0.5149070024490356),
 ('拉动', 0.507580041885376),
 ('引擎', 0.503610372543335),
 ('崛起', 0.5028665661811829),
 ('文旅', 0.5023772716522217),
 ('增长极', 0.5019749402999878),
 ('重振', 0.49992120265960693),
 ('增长点', 0.49920737743377686)]
  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
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