当前位置: 首页 > news >正文

深度学习打卡第N7周:调用Gensim库训练Word2Vec模型

  • 🍨 本文为🔗365天深度学习训练营中的学习记录博客
  • 🍖 原作者:K同学啊

一、准备工作

import jiebajieba.suggest_freq('沙瑞金',True)#加入一些词,使得jieba分词准确率更高
jieba.suggest_freq('田国富',True)
jieba.suggest_freq('高育良',True)
jieba.suggest_freq('侯亮平',True)
jieba.suggest_freq('钟小艾',True)
jieba.suggest_freq('陈岩石',True)
jieba.suggest_freq('欧阳菁',True)
jieba.suggest_freq('易学习',True)
jieba.suggest_freq('王大路',True)
jieba.suggest_freq('蔡成功',True)
jieba.suggest_freq('孙连城',True)
jieba.suggest_freq('季昌明',True)
jieba.suggest_freq('丁义珍',True)
jieba.suggest_freq('郑西坡',True)
jieba.suggest_freq('赵东来',True)
jieba.suggest_freq('高小琴',True)
jieba.suggest_freq('赵瑞龙',True)
jieba.suggest_freq('林华华',True)
jieba.suggest_freq('陆亦可',True)
jieba.suggest_freq('刘新建',True)
jieba.suggest_freq('刘庆祝',True)
jieba.suggest_freq('赵德汉',True)with open('./data/in_the_name_of_people.txt',encoding='utf-8') as f:result_cut = []lines = f.readlines()for line in lines:result_cut.append(jieba.lcut(line))f.close()result_cut
# 添加自定义停用词
stopwords_list = [",","。","\n","\u3000"," ",":","!","?","…"] # \u3000 是 Unicode 编码中的全角空格(也称为 “全角空白符”),是中文排版中常用的空格形式。def remove_stopwords(ls):  # 去除停用词return [word for word in ls if word not in stopwords_list]result_stop=[remove_stopwords(x) for x in result_cut if remove_stopwords(x)]result_stop
print(result_stop[100:103])

二、训练Word2Vec模型

from gensim.models import Word2Vecmodel = Word2Vec(result_stop,     # 用于训练的语料数据vector_size=100, # 是指特征向量的维度,默认为100。window=5,        # 一个句子中当前单词和被预测单词的最大距离。min_count=1)     # 可以对字典做截断,词频少于min_count次数的单词会被丢弃掉, 默认值为5。

三、模型应用

3.1 计算词汇相似性

# 计算两个词的相似度
print(model.wv.similarity('沙瑞金', '季昌明'))
print(model.wv.similarity('沙瑞金', '田国富'))

# 选出最相似的5个词
for e in model.wv.most_similar(positive=['沙瑞金'], topn=5):print(e[0], e[1])

3.2 找出不匹配的词汇

odd_word = model.wv.doesnt_match(["苹果", "香蕉", "橙子", "书"])
print(f"在这组词汇中不匹配的词汇:{odd_word}")

3.2 计算词汇的词频

word_frequency = model.wv.get_vecattr("沙瑞金", "count")
print(f"沙瑞金:{word_frequency}")

总结

本次打卡学习了word2vec模型的调用和使用,了解到了其在文本任务中的作用和便利性。

http://www.dtcms.com/a/410952.html

相关文章:

  • 18软件测试用例设计方法-错误推测
  • 我市精神文明建设的门户网站是学校网站建设代码
  • IBM开源轻量多模态文档处理模型:Granite-Docling 258M,能执行OCR、文档QA
  • 基于OCR的验证码识别与算术运算解析实践
  • 网站开发 网络工程 哪个好朝天门户网
  • 从零开始WebRTC(一)
  • K230基础-RTC时钟介绍及使用
  • 机器人定位器市场报告:2025-2031 年行业增长逻辑与投资机遇解析​
  • CTFHub RCE通关笔记3:文件包含 php://input
  • 北京做网站建设有发展吗使用wordpress编辑器
  • 我的第一个AI Agent
  • 郑州网站建设公司哪家好做购物网站需要什么资质
  • 【序列晋升】46 Spring Security Kerberos 如何衔接 Boot 自动配置与 RBAC 权限?
  • 哪家做网站的公司大连网络推广公司推荐
  • 苏州高端网站建设设计wordpress自助
  • 社区网站建设费用视频网站怎么做可以播放电视剧
  • 重庆网站建设合肥公司智能建站免费
  • PAT乙级_1041 考试座位号_Python_AC解法_无疑难点
  • vscode使用arcpy-选择arcgis带的python+运行错误解决
  • 呼和浩特市城乡建设网站wordpress 当前主题目录
  • 做暧暧视频免费网站怎么做网约车
  • docker常用命令记录
  • 《伤寒论9》-何时选用汤剂散剂丸剂
  • 锤子助手插件功能七十八:语音复读
  • TypeScript严格模式(Strict Mode)介绍(null和undefined、any和unknown)
  • 2025年渗透测试面试题总结-89(题目+回答)
  • Webpack5 第三节
  • 【编号112】IPCC AR5全球气候模式模拟的中国日平均降水精度评价数据集(1996-2005)
  • 中山制作网站的公司横沥镇网站建设
  • 怎么做卡蜜网站郑州做网站推广资讯