用word2vec训练中文词向量

本文介绍了一个基于中文语料库进行Word2Vec训练的具体步骤,包括从获取训练数据、使用jieba进行预处理到最终利用word2vec工具完成训练的过程,并提供了相关资源链接。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1 训练数据

  1. 搜狐 http://www.sogou.com/labs/resource/ca.php
  2. 中文维基 https://dumps.wikimedia.org/zhwiki/latest/

2 预处理

jieba https://github.com/fxsjy/jieba

python -m jieba news.txt > cut_result.txt

3 训练

word2vec https://github.com/svn2github/word2vec

./word2vec -train resultbig.txt -output vectors.bin -cbow 0 -size 200 -window 5 -negative 0 -hs 1 -sample 1e-3 -threads 12 -binary 1

参考资料

  1. http://www.cnblogs.com/robert-dlut/p/6586621.html
  2. http://www.cnblogs.com/Newsteinwell/p/6034747.html
  3. http://www.tuicool.com/articles/RB7fqaB
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值