如何考虑Word2Vec和其他预处理的单词对/短语

Question

因此，这是我第一次使用Word2Vec，而Im在训练我的Word2Vec模型之前使用带有WikiCorpus的Wikipedia转储对文件进行预处理。我想使用以下预处理技术：

1. 将所有字母都转换为小写（我认为WikiCorpus已经做到了）。
2. 删除所有标点符号（由WikiCorpus完成）。
3. 将单词对/词组视为一个单词，例如'Big Apple'->'big_apple'，而不是'big'，'apple'。
4. 将所有数字转换为他们的单词形式，因此'3'->'3'

此刻，我不知道该怎么做最后两个。我知道num2text，但不确定如何与WikiCorpus或Word2vec合并。有人可以帮忙吗？