line.split()

line.split()
　　
　　sentences = MySentences('/some/directory') # a memory-friendly iterator
　　
　　接下来，我们用这个迭代器作为输入，构造一个Gensim内建的word2vec模型的对象（即将原始的one-hot向量转化为word2vec向量）：
　　
　　model = gensim.models.Word2Vec(sentences)
　　
　　如此，便完成了一个word2vec模型的训练。
　　
　　我们也可以指定模型训练的参数，例如采用的模型（Skip-gram或是CBoW）；负采样的个数；embedding向量的维度等。具体的参数列表在这里
　　
　　同样，我们也可以通过调用save()和load()方法完成word2vec模型的持久化。此外，word2vec对象也支持原始bin文件格式的读写。
　　
　　Word2vec对象还支持online learning。我们可以将更多的训练数据传递给一个已经训练好的word2vec对象，继续更新模型的参数：
　　
　　model = gensim.models.Word2Vec.load('/tmp/mymodel')
　　
　　model.train(more_sentences)
　　
　　若要查看某一个word对应的word2vec向量，可以将这个http://www.yxin7.com/ word作为索引传递给训练好的模型对象：
　　
　　model['computer']  # raw NumPy vector of a word
　　
　　Doc2vec
　　
　　Doc2vec是Mikolov在word2vec基础上提出的另一个用于计算长文本向量的工具。它的工作原理与word2vec极为相似——只是将长文本作为一个特殊的token id引入训练语料中。在Gensim中，doc2vec也是继承于word2vec的一个子类。因此，无论是API的参数接口还是调用文本向量的方式，doc2vec与word2vec都极为相似。
　　
　　主要的区别是在对输入数据的预处理上。Doc2vec接受一个由LabeledSentence对象组成的迭代器作为其构造函数的输入参数。其中，LabeledSentence是Gensim内建的一个类，它接受两个List作为其初始化的参数：word list和label list。
　　
　　from gensim.models.doc2vec import LabeledSentence
　　
　　sentence = LabeledSentence(words=[u'some', u'words', u'here'], labels=[u'SENT_1'])
　　
　　类似地，可以构造一个迭代器对象，将原始的训练数据文本转化成LabeledSentence对象：
　　
　　class LabeledLineSentence(object):
　　
　　def __init__(self, filename):
　　
　　self.filename = filename
　　
　　def __iter__(self):
　　
　　for uid, line in enumerate(open(filename)):
　　
　　yield LabeledSentence www.yyzx66.cn (words=line.split(), labels=['SENT_%s' % uid])
　　
　　准备好训练数据，模型的训练便只是一行命令：
　　
　　from gensim.models import Doc2Vec
　　
　　model = Doc2Vec(dm=1, size=100, window=5, negative=5, www.ludingyule66.cn/ hs=0, min_count=2, workers=4)
　　
　　该代码将同时训练word和sentence label的语义向量。如果我们只想训练label向量，可以传入参数train_words=False以固定词向量参数。更多参数的含义可以参见这里的API文档。
　　
　　注意，在目前版本的doc2vec实现中，每一个Sentence vector都是常驻内存的。因此，模型训练所需的内存大小同训练语料的大小正相关。