gensim快速上手教程

快来打我* 2023-08-17 15:16 133阅读 0赞

# 1 gensim是什么？ #

gensim是一个Python常用的的自然语言处理开发包, 主要用于词向量训练和加载词向量，以下解释其正确使用姿势。

# 2 正确使用姿势 #

from gensim.models import word2vec
    
    '''
    author = "kalafinaian"
    email= "kalafinaian@outlook.com"
    create_time = 2019-08-11
    '''
    
    '''
    预料如何准备, 训练预料问津中每一行是一个文本，每个文本使用空进行分词
    A B C ..
    D E F ..
    H I G ..
    ..
    '''
    s_corpus_url = "corpus.txt" # 语料库地址
    sentences = word2vec.Text8Corpus(s_corpus_url,)  
    
    
    '''
    算法训练使用说明
    架构：skip-gram（慢、对罕见字有利）vs CBOW（快）
    训练算法：分层softmax（对罕见字有利）vs 负采样（对常见词和低纬向量有利）
    欠采样频繁词：可以提高结果的准确性和速度（适用范围1e-3到1e-5）
    文本（window）大小：skip-gram通常在10附近，CBOW通常在5附近
    '''
    
    train_model = word2vec.Word2Vec(sentences,
                            sg = 1,     # 0为CBOW  1为skip-gram
                            size = 300, # 特征向量的维度
                            window = 5, # 表示当前词与预测词在一个句子中的最大距离是多少
                            min_count = 5, # 词频少于min_count次数的单词会被
                            sample = 1e-3, # 高频词汇的随机降采样的配置阈值
                            iter = 23,  #训练的次数 
                            hs = 1,  #为 1 用hierarchical softmax   0 negative sampling
                            workers=8 # 开启线程个数
                            )
    
    
    
    '''
    模型的保存
    '''
    s_model_url = "train.model" # 语料库保存地址
    train_model.save(s_model_url)
    
    
    
    '''
    模型的加载
    '''
    load_model = word2vec.Word2Vec.load(s_model_url)
    
    
    '''
    查询两个词的相似度
    '''
    s_word_1 = "关雎"
    s_word_2 = "蒹葭"
    f_word_sim = load_model.similarity(s_word_1, s_word_2)
    
    
    
    '''
    查询一个词的词向量, 返回是一个numpy数组
    '''
    s_query_word = "雅言"
    np_word  = load_model[s_query_word]
    
    
    '''
    打印一个词语所有相似词和相似度
    '''
    for s_word, f_sim in load_model.most_similar(s_query_word):
        print(s_word, f_sim)
    
    
    '''
    判断一个词语是否在词向量模型中
    '''
    s_word = "Naive"
    if s_word in load_model.vocab:
        print("存在")
    else:
        print("不存在")

转载于:https://www.cnblogs.com/Kalafinaian/p/11440846.html