python word2vec训练词向量_在python下实现word2vec词向量训练与加载实例

项目中要对短文本进行相似度估计，word2vec是一个很火的工具。本文就word2vec的训练以及加载进行了总结。

word2vec的原理就不描述了，word2vec词向量工具是由google开发的，输入为文本文档，输出为基于这个文本文档的语料库训练得到的词向量模型。

通过该模型可以对单词的相似度进行量化分析。

word2vec的训练方法有2种，一种是通过word2vec的官方手段，在linux环境下编译并执行。

在github上下载word2vec的安装包，然后make编译。查看demo-word.sh脚本，得到word2vec的执行命令：

./word2vec -train text8 -output vectors.bin -cbow 1 -size 200 -window 8 -negative 25 -hs 0 -sample 1e-4 -threads 20 -binary 1 -iter 15

参数解释：

1)-train：需要训练的语料库，text8为语料库文件名

2)-output：输出的词向量文件，vectors.bin为输出词向量文件名，.bin后缀为二进制文件。若要以文档的形式查看词向量文件，需要将-binary参数的值由1改为0

3)-cbow：是否使用cbow模型进行训练。参数为1表示使用cbow，为0表示不使用cbow

4)-size：词向量的维数，默认为200维。

5)-window：训练过程中截取上下文的窗口大小，默认为8，即考虑一个词前8个和后8个词

6)-negative：若参数非0，表明采样随机负采样的