word2vec文本向量化代码

以下是使用Python和gensim库实现Word2Vec模型的代码示例：

from gensim.models import Word2Vec

# 读取文本数据
with open('text.txt') as f:
    text = f.readlines()

# 将文本转换为单词列表
data = []
for sentence in text:
    words = sentence.strip().split()
    data.append(words)

# 训练Word2Vec模型
model = Word2Vec(data, size=100, window=5, min_count=5, workers=4)

# 获取单词向量
vector = model.wv['word']

# 保存模型
model.save('model.bin')

参数说明：

- data：文本数据，每个元素为一个单词列表。
- size：单词向量的维度。
- window：上下文窗口的大小，即考虑前后几个单词。
- min_count：忽略出现次数少于min_count的单词。
- workers：训练时使用的线程数。

使用Word2Vec模型得到单词向量后，可以将其用于文本分类、聚类等任务。