使用Google word2vec训练我们自己的词向量模型
2017-12-30 22:15
399 查看
主要内容
这篇文章主要内容是介绍从初始语料(文本)到生成词向量模型的过程。词向量模型
词向量模型是一种表征词在整个文档中定位的模型。它的基本内容是词以及它们的向量表示,即将词映射为对应的向量,这样就可以被计算机识别和计算。它的文件后缀名是.bin。过程
1.分词
即将文本分词,分词工具有很多,比如哈工大的分词工具和结巴分词工具,具体如何使用这些工具,请参考相关的文章。分词的时候,请将各个词以一个空格隔开。
2.训练词向量
在word2vec的trunk目录下打开终端, 定义下面内容,以适用于你的语料./word2vec -train 产科语料合并版_分词结果.txt -output vectors11.bin -cbow 0 -size 100 -window 5 -negative 0 -hs 1 -sample 1e-3 -threads 12 -binary 1
具体的
1. –size:向量维数
2. –window:上下文窗口大小
3. –sample:高频词亚采样的阈值
4. –hs:是否采用层次 softmax
5. –negative:负例数目
6. –min-count:被截断的低频词阈值
7. –alpha: 开始的 learning rate
最终生成的vectors11.bin文件就是我们模型文件,它在trunk目录下。
3.验证词的相似度
在命令行在输入./distance vectors11.bin
然后输入词,查看它的相似词语列表,如下图:
完毕。
相关文章推荐
- 使用caffe训练并且测试一个自己的模型
- 最简单的方式使用Discriminatively Trained Deformable Part Models训练自己的模型(原创)
- Caffe使用step by step:使用自己数据对已经训练好的模型进行finetuning
- 使用caffe训练并且测试一个自己的模型
- 使用caffe训练并且测试一个自己的模型
- 使用caffe训练并且测试一个自己的模型
- PyTorch(三)——使用训练好的模型测试自己图片
- 使用caffe训练并且测试一个自己的模型
- 使用DPM训练自己的模型
- Caffe使用step by step:使用自己数据对已经训练好的模型进行finetuning
- 最简单的方式使用Discriminatively Trained Deformable Part Models训练自己的模型
- SSD Faster-RCNN使用自己的数据fine-tune训练模型
- Tensorflow 如何使用自己cifar10训练模型检测一张任意的图片
- 使用caffe训练并且测试一个自己的模型
- 使用openface训练自己的第一个模型
- 深度学习(十四):详解Matconvnet使用imagenet模型训练自己的数据集
- Caffe初试(三)使用caffe的cifar10网络模型训练自己的图片数据
- 使用faster rcnn训练自己的模型
- Matconvnet 训练自己的数据(使用现有模型)
- TensorFlow使用object detection训练自己的模型用于物体识别