C:\Users\dell\Desktop>python3 -m pip install --upgrade pip
#在cmd中更新pip

C:\Users\pt0531>pip list

 from gensim.models import word2vec
#这个是安装成功的标志


1. gensim word2vec API ——(Application Program Interface应用程序接口)概述

在gensim中,word2vec 相关的API都在包gensim.models.word2vec中。
  和算法有关的参数都在gensim.models.word2vec.Word2Vec中。

算法需要注意的参数有:

1) sentences: 我们要分析的语料,可以是一个列表list,或者从文件中遍历读出。后面我们会有从文件读出的例子。

2) **size: 词向量的维度,默认值是100。**这个维度的取值一般与我们的语料的大小相关,如果是不大的语料,比如小于100M的文本语料,则使用默认值一般就可以了。如果是超大的语料,建议增大维度。

3) **window:即词向量上下文最大距离,这个参数在我们的算法原理篇中标记为c,window越大,则和某一词较远的词也会产生上下文关系。默认值为5。**在实际使用中,可以根据实际的需求来动态调整这个window的大小。如果是小语料则这个值可以设的更小。对于一般的语料这个值推荐在[5,10]之间。

4) sg: 即我们的word2vec两个模型的选择了。如果是0, 则是CBOW模型,是1则是Skip-Gram模型,默认是sg=0即CBOW模型

5) hs: 即我们的word2vec两个解法的选择了,如果是0, 则是Negative Sampling,是1的话并且负采样个数negative大于0, 则是Hierarchical Softmax。默认是hs=0即Negative Sampling

6) negative:即使用Negative Sampling时负采样的个数,默认是5。推荐在[3,10]之间。这个参数在我们的算法原理篇中标记为neg

7) cbow_mean: 仅用于CBOW在做投影的时候
    cbow_mean=0,则算法中的xw为上下文的词向量之和
    cbow_mean=1则为上下文的词向量的平均值。
    在我们的原理篇中,是按照词向量的平均值来描述的。个人比较喜欢用平均值来表示xw,默认值也是cbow_mean=1,不推荐修改默认值

8) min_count: 需要计算词向量的最小词频。这个值可以去掉一些很生僻的低频词,默认是5。如果是小语料,可以调低这个值

9) iter: 随机梯度下降法中迭代的最大次数,默认是5。对于大语料,可以增大这个值。

10) alpha: 在随机梯度下降法中迭代的初始步长。算法原理篇中标记为η,默认是0.025。

11) min_alpha: 由于算法支持在迭代的过程中逐渐减小步长,min_alpha给出了最小的迭代步长值。随机梯度下降中每轮的迭代步长可以由iter,alpha, min_alpha一起得出。这部分由于不是word2vec算法的核心内容,因此在原理篇我们没有提到。对于大语料,需要对alpha, min_alpha,iter一起调参,来选择合适的三个值。

以上就是gensim word2vec的主要的参数,下面我们用一个实际的例子来学习word2vec。