120G+训练好的word2vec模型（中文词向量）

从网上了解到，很多人缺少大语料训练的word2vec模型，在此分享下使用120G+语料训练好的word2vec模型。

训练语料：

• 百度百科800w+条，20G+
• 搜狐新闻400w+条，12G+（数据下载链接见其它博文）
• 小说：90G左右

模型参数：

• window=5
• min_count=5
• size=64
• ps：其它参数见gensim库，执行代码为：Word2Vec(sentence, window=5, min_count=5,size=64, workers=4)

其它相关：

1. 分词词典使用了130w+词典。分词代码：jieba.lcut(sentence)，默认使用了HMM识别新词；
2. 剔除了所有非中文字符；
3. 最终得到的词典大小为6115353；
4. 目前只跑了64维的结果，后期更新128维词向量；
5. 模型格式有两种bin和model；

下载链接：链接: https://pan.baidu.com/s/1eUgu8Cy 密码: 4is8

本文转自 https://weibo.com/p/23041816d74e01f0102x77v#_loginLayer_1515659232344