gensim库训练word2vec模型

gensim是一个强大的Python库，用于处理文本数据和构建词嵌入模型，如Word2Vec。Word2Vec是一种流行的深度学习模型，它通过将单词转换成固定大小的向量表示（即词嵌入），来捕捉词汇之间的语义和语法关系。在gensim中，你可以使用`Word2Vec`类来训练模型：

1. **导入所需库**：首先需要导入`gensim.models.word2vec`模块以及基本的数据预处理工具，比如`numpy`。

from gensim.models import Word2Vec
import numpy as np

2. **准备数据**：通常，你需要一个分词后的文本序列，可以是从文件、文档列表或其他形式读取的词语列表。

sentences = [
    ["中国经济", "增长", "强劲"],
    ["科技", "进步", "持续"],
    # 更多句子...
]

3. **创建模型实例**：指定一些超参数，例如学习率、窗口大小、迭代次数等。

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

4. **训练模型**：调用`model.train()`开始训练过程。

model.train(sentences, total_examples=len(sentences), epochs=model.iter)

5. **使用模型**：训练完成后，你可以通过单词ID获取其对应的向量，或者计算两个词的相似度。

vector_china = model.wv['中国']
similarity = model.wv.similarity('中国', '经济增长')