如何预处理文本以匹配Google预先训练的word2vec模型？

Question

我想知道我必须对我的语料库执行哪些步骤来像Google对其庞大的，经过预先训练的word2vec模型（https://mccormickml.com/2016/04/12/googles-pretrained-word2vec-model-in-python/）一样进行样式预处理

根据该网站，他们执行了以下操作：

• 二字组/三字组
• 删除一些停用词（仅常见的停用词，例如：a和and of）
• 删除一些数字（仅不包含周围的字母）

有没有详细说明所有步骤的信息来源？

他们也例如...

• 删除一些标点符号
• 小写一些字母
• 词干或词形 ？