Question

为了使用gensim的Latent语义索引方法，我想从一个小的＆＃34; classique＆＃34;开始。例如：

import logging, gensim, bz2
id2word = gensim.corpora.Dictionary.load_from_text('wiki_en_wordids.txt')
mm = gensim.corpora.MmCorpus('wiki_en_tfidf.mm')
lsi = gensim.models.lsimodel.LsiModel(corpus=mm, id2word=id2word, num_topics=400)
etc..

我的问题是：如何获得语料库迭代器＆＃39; wiki_en_tfidf.mm＆＃39; ？我必须从某个地方下载吗？我在互联网上搜索但我没有找到任何东西。请帮忙？

Answer 1

搜索结果的第一页包含指向：

的链接

https://radimrehurek.com/gensim/wiki.html

其中说＆＃34;首先让我们加载在上面第二步中创建的语料库迭代器和字典。＆＃34;

第2步是

将文章转换为纯文本（处理Wiki标记）并将结果存储为稀疏TF-IDF向量。在Python中，这很容易做到   即时，我们甚至不需要解压缩整个存档   磁盘。 gensim中包含一个脚本，可以执行此操作：

$ python -m gensim.scripts.make_wiki

使用gensim进行潜在语义索引

1 个答案: