python实现word2vec

在Python中实现Word2Vec，可以使用gensim库。以下是一个简单示例：

from gensim.models import Word2Vec

# 定义语料库
sentences = [['this', 'is', 'the', 'first', 'sentence', 'for', 'word2vec'],
             ['this', 'is', 'the', 'second', 'sentence'],
             ['yet', 'another', 'sentence'],
             ['one', 'more', 'sentence'],
             ['and', 'the', 'final', 'sentence']]

# 训练模型
model = Word2Vec(sentences, min_count=1)

# 打印和单词“sentence”最相似的单词
print(model.wv.most_similar('sentence'))

在这个示例中，我们定义了一个包含5个句子的语料库，并使用Word2Vec模型进行训练。然后，我们打印与单词“sentence”最相似的单词。

注意，我们使用了`min_count`参数，其默认值为5。这意味着只有在语料库中出现至少5次的单词才会被考虑。您可以根据您的需要调整此参数。

此外，Word2Vec模型还具有许多其他参数，例如`size`（单词向量的大小）和`window`（定义上下文窗口的大小）。您可以通过查看gensim文档来了解更多信息。