python实现word2vec训练词向量

使用Python实现Word2Vec算法可以使用gensim库。以下是一个简单的例子：

首先，你需要安装gensim库：

pip install gensim

然后，你需要导入所需的库：

import gensim
from gensim.models import Word2Vec
from gensim.test.utils import common_texts

接下来，你需要准备训练数据。这里我们使用gensim库自带的一些数据：

sentences = common_texts

现在，你可以开始训练词向量了：

model = Word2Vec(sentences, vector_size=100, window=5, min_count=1, workers=4)

在这个例子中，我们使用了常见文本（common_texts）作为训练数据。vector_size参数指定了生成的词向量的维度，window参数指定了上下文窗口的大小，min_count参数指定了在训练中保留的最小词频，workers参数指定了训练时使用的CPU数量。

训练完成后，你可以使用以下代码来获取某个词的词向量：

vector = model.wv['word']

这里，'word'是你想获取词向量的词。

你也可以使用以下代码来找到与某个词最相似的词：

similar_words = model.wv.most_similar('word')

在这个例子中，'word'是你想找到最相似词的词。

最后，你可以使用以下代码保存训练好的模型：

model.save('model.bin')

这里，'model.bin'是要保存模型的文件名。