베이스: gensim.models.base_any2vec. BaseWord엠베딩모델 안녕하세요 헨리, 이러한 질문에 가장 적합한 장소는 메일링 리스트입니다: http://radimrehurek.com/gensim/support.html 이 경우 어휘 스캔이 한 번만 수행된다는 사실에서 문제가 발생합니다. 새 문장에 대한 교육을 계속할 수 있지만 새로운 어휘를 추가할 수는 없습니다. 젠심의 새로운 어휘를 포함한 동적 교육을 허용하는 지속적인 작업 (풀 요청)이 있지만 아직 완료되지 않았습니다. 추가 질문이 있으시면 메일링 리스트를 사용하십시오. gensim.scripts.glove2word2vec 가져오기 glove2word2vec glove_input_file = `glove.840B.300d.txt` word2vec_output_file = `glove.word2vec` 글러브2word2vec (glove_input_file, word2vec_output_file) gensim.import. w2vec = KeyedVectors.load_word2vec_format (`glove.word2vec`, 이진 =거짓) gensim.model_path 를 가져 오기 = “…/GoogleNews 벡터-네거티브300.bin” 모델 = word2vec. Word2Vec.load_word2vec_format (model_path, 이진=True) stringA = `여자` 문자열B = `킹` 문자열C = `남자` 인쇄 모델.most_similar(positive=[stringA, stringB], 네거티브=[stringC], topn=10) 워드 포함은 분산 의미 체계 모델로도 불립니다. 또는 분산 표현 또는 의미 체계 벡터 공간 또는 벡터 공간 모델. 이 이름을 읽으면서 비슷한 단어를 함께 분류하는 의미의 의미론적 단어를 접하게 됩니다. 예를 들어 사과, 망고, 바나나와 같은 과일은 가까이 두어야하지만 책은이 단어에서 멀리 떨어져 있습니다. 더 넓은 의미에서 단어 포함은 책의 벡터 표현에서 멀리 떨어진 과일의 벡터를 만듭니다. 첫 번째 단계는 GloVe 파일 형식을 word2vec 파일 형식으로 변환하는 것입니다.
유일한 차이점은 작은 헤더 줄을 추가하는 것입니다. 이것은 glove2word2vec () 기능을 호출하여 수행 할 수 있습니다. 예를 들어: 전체 word2vec API 문서여기; 여기에 겐심을 얻을. 여기에 구글에 의해 원래 C 도구 키트와 word2vec 논문. 다시 당신을 귀찮게 죄송합니다, 여기에 내가 할 하려고 할 때 방법의 두 종류가 있습니다 : 내가 젠심을 사용하는 방법 : 모델 = Word2Vec.load_word2vec_format (`vectors_200.bin`, 바이너리 = 진실) #Chinese 단어1 = u`u`u`u`u`u`a`word2=u`를 찾을 수있는 방법을 말해 줄 수 있습니다. 웹 앱 3에서와 같이? 각 단어 사이의 코신 유사성을 계산하는 것은 그것을 할 수있는 생각할 수있는 방법처럼 보인다? 젠심에 그렇게 할 API가 있습니까? 안녕하세요, 저는 몇 가지 질문이 있습니다. 어디에서 이러한 거대한 데이터를 찾을 수 있습니까? word2vec을 교육하기 전에 텍스트 데이터에 대해 수행해야 할 전처리가 있습니까? 이러한 질문은 가장 우리의 메일링 리스트에 gensim commmunity에 의해 답변: http://radimrehurek.com/gensim/support.html 트레이스백 (가장 최근 의 마지막 전화): 파일 “/라이브러리/프레임 워크/Python.framework/버전/2.7/lib/python2.7/사이트 패키지/ gensim/model/word2vec.py”, 라인 690, 기차 에서 RuntimeError (“먼저 모델을 훈련 하기 전에 어휘를 구축 해야 합니다”) 런타임오류: 먼저 모델을 훈련 하기 전에 어휘를 구축 해야 합니다 당신은 내 Word2Vec를 사용 하는 방법의 더 많은 예를 찾을 수 있습니다. 주피터 노트북. 내가 =====일부_문장 = [[`첫 번째`, `문장`], [`두 번째`, `문장`] 모델 = Word2Vec(min_count=1) model.build_vocab(일부_문장) 인쇄 모델.train(일부_문장) 인쇄 모델.유사성(`first`,`second`) # 문제 없음 =[[[`]` 셋째,`문장`,`네 번째`, [`문장`]] model.build_vocab(다른 문장) 모델.train(기타_문장) 인쇄 모델.유사성(`세 번째`, `네 번째`) # 문제 인쇄 모델.유사성(`첫 번째`,`두 번째`) # 일부_문장의 vocabs는 없습니다. 더 이상 사용할 수 있습니다??? === -0.045041752552 0.0035697799328 추적백(마지막 통화): 파일 “test.py”, 줄 16, 인쇄 모델.유사성 (`첫 번째`,`두 번째`) 파일 “/usr/local/lib/python2.7/dist-packages/gensim/model/word2vec.py”, 줄 1233, 유사성 반환 점(matutils.unitvec(self[w1]), matutils.unitvec(self[w2])) 파일 “/usr/local/lib/python2.7/dist-packages/gensim/model/word2vec.py”, 1213, __getitem___ 반환 self.syn0[self.vocab]=[첫 번째][하위][하위][단어]] = 또한, 모델 = Word2Vec() # 빈 모델, 훈련 모델.build_vocab (일부_문장) model.train (기타_문장) 이에 대한 무엇입니까? 실행 후, 나는 일부_문장에서 vocabs 사이의 유사성을 찾을 수 있지만, 다른_문장에서 vocabs 사이의 유사성을 찾을 수 없습니다.
