Word2vec——序言（资料篇）

序

• Word2vec应该是入门NLP的必入之坑，本人算是看过三遍，每一次都看到了不一样的东西，现如今由于要写一个word2vec，所以这次入坑最终拿下了word2vec。本人很惭愧的是，由于python写的过多，思维被固化（看得懂，却也不出来），这次写C的实现版本其实相当于抄了遍源码，最终看懂跑通而已…
• 其实网上资料真的很多，但是你真的不需要那么多，迄今为止，我认为最好的理论讲解只有一个，我认为最好的代码实现就是官方源码，所以简单点，上资料：

资料

理论

1. 博客：https://blog.csdn.net/itplus/article/details/37969519

2. 上面1博客的PDF版本：https://spaces.ac.cn/usr/uploads/2017/04/2833204610.pdf
   （注：感谢苏大佬提供的pdf版本）

3. 上面的看懂其实完全就够了，这里再贴出苏大佬的word2vec博客：https://spaces.ac.cn/archives/4299

代码

1. 代码：https://github.com/chenbjin/RepresentationLearning/blob/master/Word2vec/word2vec.c
   （个人原本参考的注释版本链接找不到了，但其实都差不多，就是源码加上了注释，这里随便贴了一个版本）
2. 源码分析网上很多，就不推荐了。

使用

• 本人Ubuntu系统，这里介绍ubuntu上的用法，各个参数的含义就不一一介绍了，给个跑通命令例子：
• 编译：gcc -o tt main.c -lm -lpthread
• 执行：./tt -size 128 -train clean_sentence.txt -save-vocab vocab.txt -debug 1 -binary 0 -cbow 1 -alpha 0.001 -output embedding.txt -window 5 -sample -hs 1 -negative 0 -threads 12 -iter 5 -min-count 3 -classes 0
• 简单说几个变动参数：
• -train ： 训练语聊的文件名（该文件格式：一个句子一行）
• -output： 输出文件名
• -classes：0 表示保存训练好词向量，不为0表示K-means聚类个数（注意，不为0不会保存词向量，而是Save the K-means classes）

END

加油！！！