（十）文本embedding的相关操作

最新推荐文章于 2025-07-03 09:32:33 发布

看我七十三变

最新推荐文章于 2025-07-03 09:32:33 发布

阅读量1.8k

点赞数

CC 4.0 BY-SA版权

分类专栏： python学习

本文链接：https://blog.youkuaiyun.com/HaiYang_Gao/article/details/89840568

该博客介绍了如何将glove模型的embedding转换为word2vec格式，以及如何使用torchtext库生成新的embedding。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. glove转为word2vec

两句代码，

from gensim.scripts.glove2word2vec import glove2word2vec
glove2word2vec('glove.840B.300d.txt', 'test.txt')
# 参数（glove文件路径,目标文件路径）

2. torchtext生成embedding

import torch
import numpy as np
import torch.nn as nn
from torch.autograd import Variable
from torchtext import data
import os
from torchtext.vocab import Vectors

train_data = [ ['3', '15', '2', '7'] ]
# 加载本地预训练词向量文件，并读入vector中
if not os.path.exists('.vector_cache'):
    os.mkdir('.vector_cache')
# 本地不存在.txt，会自动下载这个文件
vector = Vectors(name='glove.840B.300d.txt')
# 利用torchtext建词汇表，词向量作为参数
TEXT =data.Field(sequential=True)
TEXT.build_vocab(train_data, vectors=vector)
# 查看vocab字典、向量、以及字典长度
print(TEXT.vocab.stoi)
print(TEXT.vocab.vectors)
print(len(TEXT.vocab))
# 初始化embedding权值矩阵：vocab大小*词向量维度
embeds = nn.Embedding(len(TEXT.vocab), vector.dim)
# 导入使用本地文件训练好的权值矩阵，覆盖初始化的权值矩阵
pretrain_wei