机器学习：gensim之Word2Vec 详解

一 前言

Word2Vec是同上一篇提及的PageRank一样，都是Google的工程师和机器学习专家所提出的的；在学习这些算法、模型的时候，最好优先去看Google提出者的原汁Paper和Project，那样带来的启发将更大。因为创造者对自己所创之物的了解程度优于这世上的绝大部分者，这句话，针对的是爱看博文的读者，like me。
另外，补充几句。
1.防止又被抄袭，故关键笔记以图贴之。
2.标题前带阿拉伯数字标号的内容，便是使用Gensim的Word2Vec模型过程中的完整流程序号，通常也较为常用且重要。

二 鸣谢

感谢如下文章/论文的详细描述，它们亦是本文的主要测试依据，尤其需要感谢最后四篇博文的精彩解说。

• Word2Vec Introduction - Google - [推荐]
• Gensim - Word2Vec - Github
• Gensim - Github
• 基于 Gensim 的 Word2Vec 实践
• 翻译Gensim的word2vec说明
• Gensim之Word2Vec使用手册 - [推荐]
• word2vec词向量中文语料处理(python gensim word2vec总结)

三 Word2Vec 概要

重要API/类

• gensim.models.KeyedVectors
• gensim.models.word2vec
  • gensim.models.word2vec.Word2Vec(sentences,min_count,size,worker)
• gensim.models.Word2Vec(sentences,min_count,size,worker)

Word2Vec类：构建Word2Vec词向量模型

四 Word2Vec 详解

• 注：标题前带阿拉伯数字标号的内容，便是使用Gensim的Word2Vec模型过程中的完整流程序号，通常也较为常用且重要。

1 加载语料库

2 (初次)训练

手动构建词汇表

3 追加训练(更新模型)

4 存储模型

5 加载模型

6 获取词向量

加载词向量

7 模型应用

8 模型评估

五 补充

• 欢迎探讨，欢迎Follow~