实战"/>
word2vector从参数解释到实战
1,Word2Vector参数解释
Word2Vector是gensim封装好的模块,gensim是generate similarity的缩写。
本文默认有词向量的基础。参数:
from gensim.models import Word2Vec
#下面的参数均是默认值
Word2Vec(sentences=None, #sentences可以是分词列表,也可以是大语料size=100,#特征向量的维度alpha=0.025,#学习率window=5,#一个句子内,当前词和预测词之间的最大距离min_count=5,#最低词频max_vocab_size=None,#sample=0.001, #随机下采样的阈值seed=1,#随机数种子workers=3,#进程数min_alpha=0.0001,#学习率下降的最小值sg=0, #训练算法的选择,sg=1,采用skip-gram,sg=0,采用CBOWhs=0,# hs=1,采用hierarchica·softmax,hs=10,采用negative samplingnegative=5,#这个值大于0,使用negative sampling去掉'noise words'的个数(通常设置5-20);为0,不使用negative samplingcbow_mean=1,#为0,使用词向量的和,为1,使用均值;只适用于cbow的情况iter = 5,#迭代次数null_word = 0,trim_rule = None, #裁剪词汇规则,使用None(会使用最小min_count)sorted_vocab = 1,#对词汇降序排序batch_words = 10000,#训练时,每一批次的单词数量compute_loss = False,callbacks = ())
2,kaggle电影评论实战
- 导入需要用到的模块
import pandas as pd
import numpy as np
from gensim.models import word2vec
from bs4 import BeautifulSoup
from nltk.corpus import stopwords
import nltk.data
import re
更多推荐
word2vector从参数解释到实战
发布评论