是否有任何能够检测短语的预训练word2vec模型

Question

是否存在任何预训练的word2vec模型，其中包含包含单个单词或多个单词的数据（例如“戏剧”，“ drama_film”或“ africanamericancommunity”）合并在一起。是否有使用大型数据集训练过的此类模型，例如针对gloVE训练的数据集？

Answer 1

我在Google上进行了快速搜索，但不幸的是我找不到经过预训练的模型。训练自己的模型以检测短语的一种方法是使用二元模型。因此，您可以使用大型Wikipedia转储，例如，预处理使用了bigrams并训练了word2vec模型。 https://github.com/KeepFloyding/wikiNLPpy是一个很好的github项目，可以帮助您实现这一目标 关于该主题的一篇不错的文章：https://towardsdatascience.com/word2vec-for-phrases-learning-embeddings-for-more-than-one-word-727b6cf723cf

如google pre-trained word2vec中所述，谷歌预先训练的模型已经包含一些词组（字母组合）。