一般很少用到gensim来训练词向量,但是网上关于词向量增量训练几乎都是用gensim解决的,所以记录下使用gensim进行词向量增量训练及一个问题(笔记性质,记录给自己看。。。但如果能帮到和我一样的小白那就最好不过了)
1、代码文件
论坛上可以搜到,我用的是以下这位po主的,他写的已经很清晰了:
https://blog.csdn.net/qq_43404784/article/details/83794296
2、关于gensim中word2vec的数据格式与参数
一开始不是很清楚,以为gensim和word2vec一样,训练数据的格式是分好词的文本文件一行一句话,但这样并不能输出预期的词向量。
后来查阅了官网https://radimrehurek.com/gensim/models/word2vec.html 发现训练数据需要用列表。。另外,关于Word2vec的一些训练参数,官网也有说明。
Parameters:
sentences (iterable of iterables, optional)– The sentences iterable can be simply a list of lists of tokens, but for larger corpora, consider an iterable that streams the sentences directly from disk/network. See BrownCorpus, Text8Corpus or LineSentence in word2vec module for such examples. See also the tutorial on data streaming in Python. If y