5-21 利用word2vec和kmeans对词语进行聚类处理

本文介绍了如何利用word2vec对词语进行向量化处理,并结合kmeans进行聚类。注意到word2vec可以接受单个词或短句,但通常去除停用词后效果更好。在实践中,直接将词列表传入向量化操作可能会导致错误,需要进一步学习和改进。
摘要由CSDN通过智能技术生成

1、 词语截图如下
在这里插入图片描述

二. 需注意的是:

  1. word2vec 向量化的内容,可以将单个词的文见内容传入,也可以存在短句,但是向量化过程中都会将其拆分为单个单词并且向量话

下图为:存在短句,但是没有去stopwords
在这里插入图片描述
下图为分词且去除stopwords
在这里插入图片描述

一般而言 ,去除停止词后效果更佳

3 代码如下:

注:本文参考 --原文链接:https://blog.csdn.net/weixin_45314989/article/details/104390725
真心感谢 (:)

1. 导入所需模块
import sys
import gensim
import numpy as np
import pandas as pd
from gensim.models.word2vec import Word2Vec
from sklearn.cluster import KMeans
from gensim.models.word2vec import LineSentence

Word2vec 自带的预训练集有三个,我采用LineSentence 


2. 内容的读取和处理 ,因为Nltk的模块使用不熟练,所以采用for循环遍历拆分单词和停止词去除


path="C:/Users/Administrator/Desktop/自然语言/屏蔽词.xlsx"
data=pd.read_excel(path)

print('开始写入txt文件...')
data.to_csv('file2.txt', header=None, sep=',', index=False)
print('文件写入成功!')


循环遍历拆分和去除
name=[]
j=1
data = open("file2.txt", 'r', encoding='utf-8')
for line in data.readlines():
    line = line.replace('\n', '')
    print(line)
    print(j)
    j+=1
    if len(line)>1:
        s=line.split(" ")
        for i in s:
            if i not in name:
                name.append(i)
    else:
        if line not in name:
            name.append(line)
 
path1="C:/Users/Administrator/Desktop/自然语言/链接词.xlsx"
data1=pd.read_excel(path1)
word_list
  • 0
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值