我正在R中使用text2vec软件包来训练单词嵌入(手套模型),如下所示:
library(text2vec)
library(tm)
prep_fun = tolower
tok_fun = word_tokenizer
tokens = docs %>% # docs: a collection of text documents
prep_fun %>%
tok_fun
it = itoken(tokens, progressbar = FALSE)
stopword <- tm::stopwords("SMART")
vocab = create_vocabulary(it,stopwords=stopword)
vectorizer <- vocab_vectorizer(vocab)
tcm <- create_tcm(it, vectorizer, skip_grams_window = 6)
x_max <- min(50,max(10,ceiling(length(vocab$doc_count)/100)))
glove_model <- GlobalVectors$new(word_vectors_size = 200, vocabulary = vocab, x_max = x_max,learning_rate = 0.1)
word_vectors <- glove_model$fit_transform(tcm, n_iter = 1000, convergence_tol = 0.001)
我的问题是:
感谢您的答复。
非常感谢, 山姆
答案 0 :(得分:0)
GlobalVectors
类的一个成员称为n_dump_every
。您可以将其设置为一些数字,并且单词嵌入的历史记录将被保存。然后可以使用get_history()
函数对其进行检索
glove_model <- GlobalVectors$new(word_vectors_size = 200, vocabulary = vocab, x_max = 100,learning_rate = 0.1)
glove_model$n_dump_every = 10
word_vectors <- glove_model$fit_transform(tcm, n_iter = 1000, convergence_tol = 0.001)
trace = glove_model$get_history()
关于第二个问题-
word_vectors_size
提供的价值就越大。对于Wikipedia,大小通常为300就足够了。对于较小的数据集,您可以从20-50开始。您真的需要尝试一下。