Shopping Reviews sentiment analysis | Ldy's Blog (buptldy.github.io)
1.
imdb_w2v = Word2Vec(size=n_dim, min_count=10)
在你给出的代码片段中：
python复制代码
imdb_w2v = Word2Vec(size=n_dim, min_count=10) |
这里你试图创建一个Word2Vec模型实例，但没有给它提供任何训练数据。Word2Vec是Gensim库中的一个类，用于训练词向量模型。然而，上面的代码只是初始化了模型，并没有进行任何训练。
参数解释：
size=n_dim：这指定了每个词向量的维度大小，即n_dim。min_count=10：这指定了在训练词向量之前，一个单词必须在文本中出现的最小次数。如果单词的出现次数少于这个阈值，那么它将被忽略。
要训练imdb_w2v模型，你通常需要提供一个句子列表（其中每个句子是一个单词列表）给模型的build_vocab和train方法。例如：
python复制代码
from gensim.models import Word2Vec | |
# 假设你有一个名为sentences的列表，其中每个元素是一个单词列表 | |
sentences = [["cat", "say", "meow"], ["dog", "say", "woof"]] | |
# 初始化模型 | |
imdb_w2v = Word2Vec(size=n_dim, min_count=10) | |
# 构建词汇表 | |
imdb_w2v.build_vocab(sentences) | |
# 训练模型 | |
imdb_w2v.train(sentences, total_examples=imdb_w2v.corpus_count, epochs=10) | |
# 现在你可以使用imdb_w2v来获取词向量了 | |
vector = imdb_w2v.wv['cat'] |
注意：
total_examples参数应该等于你的训练数据中句子的总数。在上面的例子中，我使用了imdb_w2v.corpus_count，这是Gensim在构建词汇表时自动计算的。epochs参数指定了训练遍历数据的次数。更多的迭代次数可能会得到更好的词向量，但也会增加训练时间。imdb_w2v.wv是模型的一个属性，用于访问训练得到的词向量。
总结：
这一篇就是上一篇的复刻，只不过将一些细节写的更详细一些。
)
)
