如何在word2Vec的输出上训练SVC / Multinomial_NB模型？

Question

我有一个数据框架，其中注释和情感作为列。 我已经生成了word2Vec的评论表示，如下所示： 来自手套进口语料库，手套

创建语料库对象

import moment from 'moment';

训练语料库以生成在GloVe中使用的共现矩阵

corpus = Corpus()

创建一个手套对象，该对象将使用上述各行中创建的矩阵来创建嵌入

设置学习率，因为它使用了梯度下降和组件数

corpus.fit(data['Comments'].apply(lambda x : x.split()), window=10)

输出：

glove = Glove(no_components=5, learning_rate=0.05)
glove.fit(corpus.matrix, epochs=30, no_threads=4, verbose=True)
glove.word_vectors[glove.dictionary['drug']]

现在，我想使用此word2vec输出并训练array([ 0.9242366 , -0.81431099, -0.6752495 , 0.67732151, 0.52884703]) 或多项式分类算法。 如果您的建议包括python的Pipeline用法，那将更好。 任何想法/代码段或教程都将有所帮助。

谢谢。