訓練中文詞向量

1. 首先是下載中文維基數據 wget https://dumps.wikimedia.org/zhwiki/latest/zhwiki-latest-pages-articles.xml.bz2
2. 下載提取工具https://github.com/attardi/wikiextractor
3. 運行python WikiExtractor.py -b 5000M -o extracted zhwiki-latest-pages-articles.xml.bz2
4. 安裝繁體轉簡體工具 sudo apt-get install opencc
5. 在extracted子目錄下執行繁體轉簡體 opencc -i wiki_00 -o zhwiki.text -c t2s.json
6. 利用jieba分好詞
7. 下載word2vec工具 https://github.com/dav/word2vec
8. 編譯word2vec工具，進入到word2vec 目錄下 運行命令 make，再運行命令 cd scripts && ./demo-word.sh
9. 詞向量訓練 進入bin 文件夾下面，輸入 ./word2vec -train 輸入語料 -output 輸出文件路徑 -cbow 1 -size 200 -window 8 -negative 25 -hs 0 -sample 1e-4 -iter 15，等待片刻即可