Question

我使用word2vec软件包对 6.4 GB文本数据训练了gensim模型，该软件包使用以下代码段进行了预处理：

def read_input(input_file):
  with open(input_file, "r") as inp:
    inp_str = inp.read()

  inp_str = inp_str.strip('\n')
  inp_str = re.sub(r'\n', ' ', inp_str)
  lowercase = inp_str.lower()
  punc = lowercase.translate(str.maketrans('', '', string.punctuation))

  return (punc.translate(str.maketrans('','','1234567890')))

def read_(input_file):
  return( gensim.utils.simple_preprocess(input_file, deacc=True, min_len=3))          

doc = read_input('../train1.txt')
documents = read_(doc)
logging.info ("Done reading data file")

但是每次我训练模型时，它的大小都是 147 Kb ，这似乎不合适，当我尝试从训练后的模型中生成矢量时，它会说：

KeyError: "word 'type' not in vocabulary"

以下是我用于训练word2vec模型的代码：

old_model = Word2Vec.load('../word2vec_model')
old_model.train(documents, total_examples=old_model.corpus_count, epochs=7)

old_model.save('../word2vec_model1')

logging.info ("Saved the new word2vec model")

请帮助我解决此问题。

Answer 1

大小很小，可能是因为在设置模型参数时，您可能为 min_count 参数使用了较大的值。尝试减少min_count中的值并重新训练模型

Word2vec模型的大小非常小，无法识别单词

1 个答案: