基于word2vec的k-means聚类

1.将txt文本用word2vec将每个词转换成词向量
2.将300维度的词向量用pca转换为2维
3.将2维的数据作为k-means聚类的输入

text.txt：作为训练的文本（最好是英文，如果是中文的话可以再用jieba库把中文解析）
word_model.txt：创建一个空的文本
data.csv：创建一个空的csv文件

#1。将文本的标点替换成空格
import re
import os
list=[',','?','.','?','!','*','(',')','“','”',':','"','`','\'']  ##要替换的标点符号做成一个列表
with open('text.txt','r') as f:                                  ##text.txt是用来训练的文本（英文小说）
    result = f.read()
    for i in range(len(list)):
        result=result.replace(list[i],' ')
    with open('text.txt','w') as w:
        w.write(str(result))



##2。wordvec2获取词向量
from gensim.models import Word2Vec
from gensim.models.word2vec import LineSentence
def wordsCluster(text, vectorSize):                              ##text:输入文本的本地路径 vectorSize：词向量大小（多少维度）
    name = []
    data = open(text, 'r', encoding='utf-8')
    for line in data.readlines():