先明確一點，選用不同的詞向量作為模型的初始值，效果的差異非常大！那麼怎麼產生乙個好的詞向量呢？參看文章
1、英文的詞向量可以訓練，也可以用google訓練好的那個模型。
2、但是中文就不行了，沒有乙個公布乙個權威的詞向量。
語料對詞向量的影響比模型的影響要重要得多得多得多（重要的事說三遍）
很多**都提到語料越大越好，我們發現，語料的領域更重要。領域選好了，可能只要 1/10 甚至 1/100 的語料，就能達到乙個大規模泛領域語料的效果.文章還做了實驗，當只有小規模的領域內語料，而有大規模的領域外語料時，到底是語料越純越好，還是越大越好。在我們的實驗中，是越純越好。這一部分實驗資料比較豐富，原文相對清楚一些。
再說下用gensim訓練詞向量時遇到的坑。
1、可以直接包gensim。gensim理由word2vec。
2、sentences輸入的是分好的詞的句子。詞與詞之間空格。
3、
使用預訓練的word2vec詞向量
之前被這個問題困擾了挺長時間，一直找不到有效的方法，可能是我太菜 在網上找資料也只找到了一種把bin轉換成txt 檔案的方式，但是效率出奇的低，無法想象，本地一執行程式就宕機，伺服器上也得等很長時間。多虧了有一顆優化模型的心 山重水複疑無路，柳暗花明又一村啊。在一篇 裡面，作者用theano直接對二...
利用 word2vec 訓練的字向量進行中文分詞
最近針對之前發表的一篇博文 deep learning 在中文分詞和詞性標註任務中的應用 中的演算法做了乙個實現，感覺效果還不錯。本文主要是將我在程式實現過程中的一些數學細節整理出來，藉此優化一下自己的 也希望為對此感興趣的朋友提供點參考。文中重點介紹訓練演算法中的模型引數計算，以及 viterbi...
word2vec 過程理解 詞向量的獲取
網上有很多這方面的資源，詳細各位都能夠對於word2vec了解了大概，這裡只講講個人的理解，目的 通過對於乙個神經網路的訓練，得到每個詞對應的乙個向量表達 基於 這個神經網路，是基於語言模型，即給定t個詞的字串s，計算s是自然語言的概率p w1，w2,wt 而構建的，更直白點，就是通過輸入wi的上下...