本文共 2421 字，大约阅读时间需要 8 分钟。

重要参考

原文作者提供了字向量、拼音向量、词向量、词性向量与依存关系向量，共5种类型的向量训练，

在此，只取其字符向量训练部分，加以修改后，做一记录。

完整代码

train_vector.py

在此，设置字向量维度为100。

#!/usr/bin/env python3# coding: utf-8# File: train.py.py# Author: lhy
   
    # Date: 18-10-26import osimport gensimfrom gensim.models import word2vecfrom sklearn.decomposition import PCAimport numpy as npimport logginglogging.basicConfig(format='%(asctime)s:%(levelname)s:%(message)s', level=logging.INFO)class TrainVector:    def __init__(self):        cur = '/'.join(os.path.abspath(__file__).split('/')[:-1])        # 训练语料所在目录        self.token_filepath = os.path.join(cur, 'F:\浏览器下载\ChineseEmbedding-master\yuliao.txt')        # 向量文件所在目录        self.token_embedding = os.path.join(cur, 'F:\浏览器下载\ChineseEmbedding-master\\token_vec_300.bin')        #向量大小设置        self.token_size = 100    '''基于gensimx训练字符向量,拼音向量,词性向量'''    def train_vector(self, train_path, embedding_path, embedding_size):        sentences = word2vec.Text8Corpus(train_path)  # 加载分词语料        model = word2vec.Word2Vec(sentences, size=embedding_size, window=5, min_count=0)  # 训练skip-gram模型,默认window=5        model.wv.save_word2vec_format(embedding_path, binary=False)    '''训练主函数'''    def train_main(self):        #训练汉字字向量        self.train_vector(self.token_filepath, self.token_embedding, self.token_size)if __name__ == '__main__':    handler = TrainVector()    handler.train_main()
   

得到的字向量文件如下：

test_vector.py

测试效果（主观测试，无精确指标）

#!/usr/bin/env python3# coding: utf-8# File: test_vector.py# Author: lhy
   
    # Date: 18-11-1import osimport gensimfrom gensim.models import word2vecfrom sklearn.decomposition import PCAimport numpy as npimport logginglogging.basicConfig(format='%(asctime)s:%(levelname)s:%(message)s', level=logging.INFO)class TrainVector:    def __init__(self):        cur = '/'.join(os.path.abspath(__file__).split('/')[:-1])        self.token_embedding = os.path.join(cur, 'F:\浏览器下载\ChineseEmbedding-master\\token_vec_300.bin')    '''对训练好的模型进行测试'''    def test_model(self, embedding_path):        model = gensim.models.KeyedVectors.load_word2vec_format(embedding_path, binary=False)        while (1):            wd = input('enter an word to search:')            result = model.most_similar(wd)            for res in result:                print(res)        returnif __name__ == '__main__':    handler = TrainVector()    handler.test_model('F:\浏览器下载\ChineseEmbedding-master\\token_vec_300.bin')
   

转载地址：https://blog.csdn.net/YWP_2016/article/details/115282253 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！