Question

这可能实际上是一个愚蠢的问题，但我无法弄清楚为什么我的gensim.models.word2vec脚本无效。这是事情，我正在使用stanford情绪分析数据库数据集（~11000评论），我正在尝试使用gensim构建word2vec，这是我的脚本：

import gensim as gs 
import sys 

# open the datas
sentences = gs.models.word2vec.LineSentence('../processedWords.txt')
print("size in RAM of the sentences: {}".format(sys.getsizeof(sentences)))

# transform them
# bigram_transformer = gs.models.Phrases(sentences)

model = gs.models.word2vec.Word2Vec(sentences, min_count=10, size=100, window=5)
model.save('firstModel')
print(model.similarity('film', 'test'))
print(model.similarity('film', 'movie'))

现在，我的问题是该脚本以2s运行，并且每对单词之间只有很大的相似性。另外，句子中的一些单词不在构建的词汇表中。

我必须做一些明显错误的事情，但无法弄清楚是什么。

感谢您的帮助。

Answer 1

我几乎可以肯定这是因为你没有指定一些训练迭代;我认为iter默认为1，这对于训练神经网络基本没用。将iter=<int>标志添加到模型声明中，例如model = gs.models.word2vec.Word2Vec(sentences, min_count=10, size=100, window=5, iter=1000)。有点面子，但我做了同样的事情。

Gensim Word2Vec：训练表现不佳。

1 个答案: