Gensim是Word2Vec的优化python端口（参见http://radimrehurek.com/2013/09/deep-learning-with-word2vec-and-gensim/）
我目前正在使用这些向量：http://clic.cimec.unitn.it/composes/semantic-vectors.html
我将用gensim重新运行模型训练，因为他们的模型中有一些嘈杂的标记。所以我想知道word2vec
gensim的等效参数是什么
他们从word2vec使用的参数是：
训练Word2Vec模型时，gensim等效性是什么？
是吗：
>>> model = Word2Vec(sentences, size=300000, window=2, min_count=5, workers=4)
gensim中是否有PMI权重选项？
word2vec中使用的默认min_count是什么？
还有来自word2vec的另一组参数：
gensim中是否有负样本参数？
gensim中子采样的参数等价是什么？
答案 0 :(得分：3)
您链接的文章会比较多种方案中的字嵌入，包括连续字组（CBOW）。 CBOW是Gensim的“word2vec”模型中实现的模型之一。本文还讨论了使用各种加权方案从奇异值分解中获得的词嵌入，其中一些涉及PMI。 SVD和word2vec之间没有等价，但是如果你想在gensim中做一个SVD，那么当在自然语言处理中完成时，它被称为“LSA”或“潜在语义分析”。
min_count参数默认设置为5，可以看作是here。
负抽样和分层Softmax是两种近似推理方法，用于估计离散空间上的概率分布（当正常softmax计算量太大时使用）。 Gensim的word2vec实现了两者。它默认使用分层softmax，但您可以通过将超参数negative设置为大于零来使用负采样。这在gensim的代码here中的注释中也有记录。