gensim有java版吗_gensim学习笔记

1、词向量建模的word2vec模型和用于长文本向量建模的doc2vec模型

在Gensim中实现word2vec模型非常简单。首先，我们需要将原始的训练语料转化成一个sentence的迭代器；每一次迭代返回的sentence是一个word(utf8格式)的列表：

classMySentences(object):def __init__(self, dirname):

self.dirname=dirnamedef __iter__(self):for fname inos.listdir(self.dirname):for line inopen(os.path.join(self.dirname, fname)):yieldline.split()

sentences= MySentences('/some/directory') #a memory-friendly iterator

接下来，我们用这个迭代器作为输入，构造一个Gensim内建的word2vec模型的对象(即将原始的one-hot向量转化为word2vec向量)：

model = gensim.models.Word2Vec(sentences)

我们也可以指定模型训练的参数，例如采用的模型(Skip-gram或是CBoW)；负采样的个数；embedding向量的维度等。

Word2vec对象还支持online learning。我们可以将更多的训练数据传递给一个已经训练好的word2vec对象，继续更新模型的参数：

model = gensim.models.Word2Vec.load('/tmp/mymodel')

model.train(more_sentences)

若要查看某一个word对应的word2ve