gensim Word2vec

本文介绍了使用Word2Vec模型进行文本编码转换的过程,并详细记录了从数据预处理到模型训练的具体步骤。针对编码问题,文章提供了具体的解决方案,通过Python脚本实现了文件编码从GB2312到UTF-8的转换。

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

转载的文章找不到了.url就不放了。百度上相关的很多,来源可能都是一样的。 不能完全转载,选择了部分的内容。所以算原创吧。。。

在做这个实验的时候,最麻烦的问题是编码问题。由于工具采用的utf-8编码。所以不得不把文件的编码格式转化了。前半部分实现编码转换过程。

# coding=gb2312
from gensim.models import word2vec
import chardet
import gensim
import logging
# file = open('allWords.txt','rb')
# fileout = open('allWords1.txt',"wb")
# tl = 0
# for i in file:
# 	tl += 1
# 	encodingName = chardet.detect(i)['encoding']
# 	# print(encodingName)
# 	# print(i)
# 	i = i.decode(encoding='gb2312',errors='ignore')
# 	i = i.encode('utf-8',errors='ignore')
# 	# print(chardet.detect(i))
# 	# print(i)
# 	# i = i.encode('utf-8')
# 	print(tl)
# 	# if tl == 100:
# 	# 	break
# 	fileout.write(i)
# file.close()
# fileout.close()
# exit(0)


# 主程序
logging.basicConfig(format='%(asctime)s:%(levelname)s: %(message)s', level=logging.INFO)
sentences =word2vec.Text8Corpus(u"allWords1.txt")  # 加载语料
model =word2vec.Word2Vec(sentences, size=200)  #训练skip-gram模型,默认window=5


# 以一种c语言可以解析的形式存储词向量
#model.save_word2vec_format(u"书评.model.bin", binary=True)



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

打赏作者

GDRetop

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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