软件要求:
Python3
gensim
预料:中文语料,存在txt文件中
语料要求:在txt中每一行为一个文档doc,进行分词,分词之间用空格或者tab键隔开
# 训练word2vec模型代码:
import multiprocessing
from gensim.models import Word2Vec
from gensim.models.word2vec import LineSentence
model = Word2Vec(LineSentence('语料.txt'), min_count=1, workers=multiprocessing.cpu_count()) # 这里workers设置为CPU的数量,可以增加训练的速度
model.save("模型保存路径")
# 重新加载训练好的模型
model = Word2Vec.load('模型保存路径')
# 训练doc2vec模型代码:
from gensim.models import doc2vec
from gensim.models.doc2vec import Doc2Vec
import multiprocessing
docslist = doc2vec.TaggedLineDocument('语料.txt') # path为txt的路径
model = Doc2Vec(docslist, workers= multiprocessing.cpu_count(),min_count=1)
model.save("模型保存位置")
接下来就可以使用训练好的模型了。