浅层深度学习的自然语言研究（4）

上一期，我们已经安装好了gensim，那今天主要是讲用它来干什么。

前面谈到我主要是想在Python下进行算法研究，但是我们已经得到了每条帖子的向量，那就要有个工具能够读取这个文件。

gensim的models.word2vec模块正好解决了这个，第一次看到时候感觉所有问题都解决了，结果就是一个大坑。

命令很简单，如下所示：

可以读取文件过程中报错，说是不少其中有编码不是utf-8，不能识别。

紧接着我又重头做了一遍，还是不行，还是这个错误，非常之郁闷。

后来想到，以前中文切词，切出来的词总有那种莫名其妙的字符，可是又找不到办法剔除掉，只能忍痛放弃了这个工具。

可是，还是要读取向量啊，不然怎么做后面的分类了，最后就到了word2vec里面的distance程序，稍加改动就可以读取帖子向量。

当然还有Java的读取向量的程序，由ansj编写，网址如下：

https://github.com/NLPchina/Word2VEC_java

程序写得比较清晰，看过一遍，没有实验过，大家可以尝试下。