使用word2vec的几种方法

最新推荐文章于 2025-06-19 19:38:30 发布

haizhiguang

最新推荐文章于 2025-06-19 19:38:30 发布

阅读量2.7k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：推荐系统大数据

本文链接：https://blog.youkuaiyun.com/haizhiguang/article/details/81015226

大数据同时被 2 个专栏收录

7 篇文章

订阅专栏

推荐系统

5 篇文章

订阅专栏

本文介绍如何利用Word2Vec模型从文本语料中训练词向量，包括两种方式：一是从文件加载已分词的语料；二是直接使用列表形式的语料。并展示了如何查询词向量、计算词间相似度及查找最相似的词汇。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

使用word2vec的几种方法

先导入可能用到的包

from gensim.models import Word2Vec
import gensim.models.word2vec as w2v

第一种：语料放在文件里面，这个语料是先要分好词的

source_code_path = '../data/sourceData/word2vecFile.txt'
sentences = w2v.LineSentence(source_code_path)
model = Word2Vec(sentences,size=300,window=5,min_count=1,workers=2)
print(model.similarity('广告','广东')) #查看 两个词的相似度
print(model.wv['广告'])  # 查看这个词的 词向量
print(model.most_similar('广告')) # 查看和 这个词最相关的几个词

第二种：语料库是一个list

sentences = [["cat", "say", "meow"], ["dog", "say", "woof"]]
model = Word2Vec(sentences,size=300,window=5,min_count=1,workers=2)
print(model.similarity('cat','dog'))
print(model.wv['cat'])
print(model.most_similar('cat'))