機器學習：gensim之Word2Vec 詳解

一 前言

Word2Vec是同上一篇提及的PageRank一樣，都是Google的工程師和機器學習專家所提出的的；在學習這些算法、模型的時候，最好優先去看Google提出者的原汁Paper和Project，那樣帶來的啟發將更大。因為創造者對自己所創之物的了解程度優於這世上的絕大部分者，這句話，針對的是愛看博文的讀者，like me。
另外，補充幾句。    
1.防止又被抄襲，故關鍵筆記以圖貼之。
2.標題前帶阿拉伯數字標號的內容，便是使用Gensim的Word2Vec模型過程中的完整流程序號，通常也較為常用且重要。

二 鳴謝

感謝如下文章/論文的詳細描述，它們亦是本文的主要測試依據，尤其需要感謝最后四篇博文的精彩解說。

• Word2Vec Introduction - Google - [推薦]
• Gensim - Word2Vec - Github
• Gensim - Github
• 基於 Gensim 的 Word2Vec 實踐
• 翻譯Gensim的word2vec說明
• Gensim之Word2Vec使用手冊 - [推薦]
• word2vec詞向量中文語料處理(python gensim word2vec總結)

三 Word2Vec 概要

重要API/類

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

Word2Vec類：構建Word2Vec詞向量模型

四 Word2Vec 詳解

• 注：標題前帶阿拉伯數字標號的內容，便是使用Gensim的Word2Vec模型過程中的完整流程序號，通常也較為常用且重要。

1 加載語料庫

2 (初次)訓練

手動構建詞匯表

3 追加訓練(更新模型)

4 存儲模型

5 加載模型

6 獲取詞向量

加載詞向量

7 模型應用

8 模型評估

五 補充

• 歡迎探討，歡迎Follow~