word2vec 怎么使用

要使用word2vec，首先需要安装并导入相应的Python库（如gensim）。然后，可以按照以下步骤来使用word2vec：

1. 准备语料库：收集文本数据，并进行预处理（如分词、去除停用词等）。

2. 构建词汇表：使用语料库中的文本数据构建词汇表，将每个词映射到一个唯一的整数标识。

3. 训练模型：使用word2vec算法训练模型。可以选择使用CBOW（Continuous Bag-of-Words）或Skip-gram模型。

4. 获取词向量：训练完成后，可以通过模型获取每个词的词向量。可以通过访问模型的`wv`属性来获取词向量。

以下是一个简单的示例代码：

# 导入所需的库
from gensim.models import Word2Vec

# 准备语料库
corpus = [
    ['I', 'love', 'machine', 'learning'],
    ['Machine', 'learning', 'is', 'awesome'],
    ['I', 'enjoy', 'coding'],
    ['I', 'love', 'deep', 'learning']
]

# 构建词汇表
model = Word2Vec(corpus, min_count=1)

# 训练模型
model.train(corpus, total_examples=model.corpus_count, epochs=10)

# 获取词向量
word_vector = model.wv['machine']
print(word_vector)

这样，你就可以使用word2vec进行词向量的训练和获取了。当然，在实际应用中，你可能需要更多的数据和更复杂的预处理操作来获得更好的结果。