Word2vec参数

Word2vec

将分好词的训练语料进行训练，假定我语料名称为test.txt且在word2vec目录中。输入命令：

./word2vec -train text8 -output vectors.bin -cbow 0 -size 48 -window 5 -negative 0 -hs 1 -sample 1e-4 -threads 20 -binary 1 -iter 100

1. -train text8 表示的是输入文件是text8
2. -output vectors.bin 输出文件是vectors.bin
3. -cbow 0表示不使用cbow模型，默认为Skip-Gram模型
4. -size 48 每个单词的向量维度是48
5. -window 5 训练的窗口大小为5就是考虑一个词前五个和后五个词语（实际代码中还有一个随机选窗口的过程，窗口大小小于等于5）
6. -negative 0 -hs 1。不使用NEG方法，使用HS方法。
7. -sampe指的是采样的阈值，如果一个词语在训练样本中出现的频率越大，那么就越会被采样。
8. -binary为1指的是结果二进制存储，为0是普通存储（普通存储的时候是可以打开看到词语和对应的向量的）
9. -alpha设置学习速率，默认的为0.025
10. min-count设置最低频率，默认是5，如果一个词语在文档中出现的次数小于5，那么就会丢弃。
11. classes设置聚类个数，看了一下源码用的是k-means聚类的方法