word2vec 自己训练中文语料

（1） 准备文本

可以用爬虫爬，也可以去下载，必须是全文本。

（2）对数据进行分词处理

因为英文但此只见是空格所以不需要分词，二中文需要分词，

中文分词工具还是很多的，我自己常用的：
- 中科院NLPIR
- 哈工大LTP
- 结巴分词

注意：分词后保存的文件将会作为word2vec的输入文件进行训练

（3）训练与实验

python 需要先安装gensim，参考http://blog.csdn.net/u013378306/article/details/54629643

 

#!/usr/bin/env python
# -*- coding: utf-8 -*-

"""
功能：测试gensim使用&#