Word2vec使用详解（1）

最近在做一个信息过滤的项目，比如企业、机构相关信息，想看看和企业名称相关的词有那些，就想到了用word2vec来做，为了自己以后参考，就将详细的使用过程记录下来，如果你不小心看到或者对你有些许帮助或者有些地方有错误，还请你不辞辛苦，回复一下，在此，先谢过了。

做菜之前，先列一下用到的食材（呵呵）：

1. 虚拟化软件 

    采用VirtualBox5.2，可以到官网下载 https://www.virtualbox.org/，网络好的话几分钟个就能下完。

2. linux系统

   采用CentOS-7-x86_64-DVD-1511.iso， 直接去官网下载 https://www.centos.org/download/，这个有点大，下了好长时间。

3. Word2vec

   直接百度搜索google原生态c版Word2vec，在CSDN上找到一个需要分值比较少的（本人下载分太少，感谢不要分的兄弟！），赶紧贴一下地址：http://download.csdn.net/download/github_37412255/10041177?locationNum=4&fps=1，本人在此上传一下，供学习的兄弟下载；

4. 数据集

   如果网络不好的，需要提前准备好数据集。下载地址：

          http://mattmahoney.net/dc/text8.zip，

          http://www.statmt.org/wmt14/training-monolingual-news-crawl/news.2012.en.shuffled.gz

    如果网络状况好，可以直接在trunk目录下运行下列命令：

           ./demo-word.sh   和 ./demo-phrases.sh（太大了，基本直接上下不了）

5. 安装虚拟机

       自己懒得的截图了，给个链接http://www.xitongcheng.com/jiaocheng/win10_article_11827.html，基本默认安装就可以了，没有特特殊需要设置的。

6. 安装CentOS系统

      自己装了两边，第一遍装上发现没有图形界面，忘记在“安装步骤摘要”中的“软件选择”选择安装图形组件，后来基本本上能装的都装上了，来个链接给大家参考：http://www.linuxidc.com/Linux/2016-09/135593.htm。

7. 安装virtualbox增强功能

（1）登陆Linux系统之后，如上图所示，选择“安装增强功能..."，然后要求Linux验证，安装完成后，鼠标就可以在centos系统和windows系统正常拖动；

（2）下面设置一下，实现在centos系统和windows系统来回拷贝，如下图所示，

（3）设置共享文件夹

  如下图所示，点击右上侧的绿色的添加windows共享文件夹路径，本例是F:\download，设定一个名称为download（centos挂载用到），然后登陆centos系统，在/mnt下新建一个文件夹wlshare，然后挂载：mount -t vboxsf download /mnt/wlshare/。这样文件拷贝到F:\download下，在/mnt/wlshare下就可以看到了。 

8. 具体使用Word2vec

  首先，登陆到Centos系统，将Word2vec上传到Centos系统中，我是上传到/home/xhcentos7/下，然后cd 到word2vec的trunk目录下，输入make，如果没有问题，接下来就可以训练词向量了。

（1）词向量

    执行 ./word2vec -train text8 -output vectors_text8.bin -cbow 1 -size 200 -window 5 -negative 0 -hs 1 -sample 1e-3 -threads 20 -binary 1 -iter 15 ，结果如下：

   然后可以计算china最近的词，如下所示：

（2）由于是虚拟机，短语向量一直没有跑出来。