API
参考
https://www.cnblogs.com/pinard/p/7278324.html
https://github.com/ljpzzz/machinelearning/blob/master/natural-language-processing/word2vec.ipynb
https://blog.csdn.net/qq_35273499/article/details/79098689?utm_source=distribute.pc_relevant.none-task
https://blog.csdn.net/sinat_26917383/article/details/69803018#800_420
https://blog.csdn.net/DuinoDu/article/details/76618638
https://gensim.apachecn.org/#/blog/Introduction/README
介绍
Gensim是一个免费的 Python库,旨在从文档中自动提取语义主题,尽可能高效(计算机方面)和 painlessly(人性化)。
Gensim旨在处理原始的非结构化数字文本(纯文本)。
在Gensim的算法,比如Word2Vec,FastText,潜在语义分析(LSI,LSA,see LsiModel),隐含狄利克雷分布(LDA,见LdaModel)等,自动训练文档的躯体内检查统计共生模式发现的文件的语义结构。这些算法是无监督的,这意味着不需要人工输入 - 您只需要一个纯文本文档。
一旦找到这些统计模式,任何纯文本文档(句子,短语,单词…)都可以在新的语义表示中简洁地表达,并查询与其他文档(单词,短语…)的主题相似性。
训练过程
1 第一步 首先要用jieba等类分词软件做个 原始语料库出来,这个语料库最好稍微大一些,太小了 训练不出来词向量
2 在此基础上 很简单的 训练出来
3在此基础上进行 相似度 计算
还有单个词的 最相近的词 计算
还可以给出某个词的向量 print(model[“田国富”]) 可以给出某个词的向量