python学习-103-word2vec训练词向量

前言:

  通过gensim包里面的word2vec将分词完成的数据训练成词向量

#!/usr/bin/env python
# -*- coding: utf-8  -*-
# 使用gensim word2vec训练脚本获取词向量

import warnings

warnings.filterwarnings(action='ignore', category=UserWarning, module='gensim')  # 忽略警告

import logging
import os.path
import sys
import multiprocessing

from gensim.corpora import WikiCorpus
from gensim.models import Word2Vec
from gensim.models.word2vec import LineSentence

def train_word2vec_save_model():
    # other---------------------------------------------------------------------------------------
    program = os.path.basename(sys.argv[0])
    logger = logging.getLogger(program)
    logging.basicConfig(format='%(asctime)s: %(levelname)s: %(message)s', level=logging.INFO)
    logger.info("running %s" % ' '.join(sys.argv))
    # other---------------------------------------------------------------------------------------

    # inp为输入语料, outp1 为输出模型, outp2为原始c版本word2vec的vector格式的模型
    fdir = r'model/'
    # inp = fdir + '数据分词.txt'
    inp = r'data/data3.txt'
    outp1 = fdir + 'incivi.text.model'
    outp2 = fdir + 'incivi.text.vector'

    # 训练skip-gram模型
    model = Word2Vec(LineSentence(inp), size=100, window=5, min_count=2,
                     workers=multiprocessing.cpu_count())
    # 保存模型
    model.save(outp1)
    # 保存词向量
    model.wv.save_word2vec_format(outp2, binary=False)
    print('训练完成')

if __name__ == '__main__':
    train_word2vec_save_model()

核心代码:

1. model = Word2Vec(LineSentence(inp), size=100, window=5, min_count=2,
                 workers=multiprocessing.cpu_count())
2. model.save(outp1)#size 向量维数;window 神经网络窗口;min——count词小于这个舍弃
  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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