NLP 利器 Gensim 来训练 word2vec 词向量模型的参数设置

使用 Gensim 来训练 word2vec 词向量模型的参数设置

我们可以使用一些参数设置来控制训练的速度和质量。

一、最小频次 min_count

min_count 用来修剪内部的词表。

比如在一个 10 亿词级别的语料中，如果一个词只出现了一两次，那这个词不是错字就是垃圾～。

再说了，出现次数太少，我们也没有足够的数据来训练出该词的有意义的词向量，所以最好的做法就是：剔除。

# 准备语料
from gensim.test.utils import datapath
from gensim import utils
import gensim.models

class MyCorpus(object):
    "