python中word2vec如何建立

在Python中，可以使用gensim库来建立word2vec模型。以下是一个简单的例子：

首先，需要安装gensim库：

!pip install gensim

然后，加载语料库并训练模型：

from gensim.models import Word2Vec
sentences = [["this", "is", "the", "first", "sentence", "for", "word2vec"],
             ["this", "is", "the", "second", "sentence"],
             ["yet", "another", "sentence"],
             ["one", "more", "sentence"],
             ["and", "the", "final", "sentence"]]
model = Word2Vec(sentences, min_count=1)

在这个例子中，我们加载一个包含多个句子的语料库，并使用`Word2Vec()`函数创建一个新的word2vec模型。`min_count`参数指定了在语料中出现次数不足指定次数的单词将被忽略，默认值为5。训练完成后，我们可以使用模型来查找与某个单词最相似的单词：

similar_words = model.wv.most_similar('sentence')
print(similar_words)

输出：

[('for', 0.3252620108127594), ('this', 0.2979834077358246), ('more', 0.2846679985523224), ('is', 0.15957920217514038), ('the', 0.1412003197669983), ('first', -0.006387107789039612), ('one', -0.04775365096330643), ('and', -0.10795781719684601), ('yet', -0.16303491592407227), ('final', -0.16458679795265198)]

这个例子中，我们查找了与单词`"sentence"`最相似的单词，并且打印了结果。