zoukankan      html  css  js  c++  java
  • gensim工具[学习笔记]

    平台信息:
    PC:ubuntu18.04、i5、anaconda2、cuda9.0、cudnn7.0.5、tensorflow1.10、GTX1060

    一、将copy_train.csv文件的内容进行分词,生成process_copy_train.csv文件

     1 import jieba
     2 import re
     3 import os
     4 import sys 
     5 import gensim
     6 import sys  
     7 
     8 
     9 f1 =  open(u'copy_train.csv')
    10 for line in f1.readlines():
    11     with open(u'process_copy_train2.csv','a') as f2:
    12         seg_list = jieba.cut(line,cut_all=False)
    13         seg_list = " ".join(seg_list) 
    14         seg_list.encode("utf8") 
    15         seg_list.decode("utf8")
    16         f2.write(seg_list)
    17         f2.write("
    ")
    18         #f2.write(line)
    19 
    20 f2.close()
    21 f1.close()          

    二、训练词汇表,并进行测试

     1 import jieba
     2 import re
     3 import os
     4 import sys 
     5 import gensim
     6 import sys 
     7 
     8 
     9 
    10 from gensim.models import word2vec
    11 
    12 reload(sys)  
    13 sys.setdefaultencoding('utf8')  
    14 
    15 sentences=word2vec.Text8Corpus(u'process_copy_train.csv')
    16 model=word2vec.Word2Vec(sentences, size=50)
    17 
    18 model[u'美元'.decode("utf-8")]
    19 y2=model.similarity(u"美元", u"美国")
    20 print(y2)
    21 y2=model.similarity(u"美元", u"英镑")
    22 print(y2)
    23 y2=model.similarity(u"美元", u"美元")
    24 print(y2)
    25 
    26 for i in model.most_similar(u"银行"):
    27     print i[0],i[1]
    28 
    29 str4 = model.most_similar(u"银行".decode("utf-8"))
    30 
    31 print str4
    32 model.save('/tmp/word2vec_model')
    33 
    34 new_model=gensim.models.Word2Vec.load('/tmp/word2vec_model')

    测试结果:

     1 0.21382438         
     2 0.65352416
     3 1.0
     4 商业银行 0.724080383778
     5 券商 0.67235070467
     6 同业 0.65898835659
     7 银行业 0.640146613121
     8 金融机构 0.628186702728
     9 中资银行 0.624082624912
    10 流动性 0.589600920677
    11 中小银行 0.587715625763
    12 行 0.576077103615
    13 信贷 0.575850129128
  • 相关阅读:
    工厂模式
    Bootstrap 日历
    处理乱码
    Eclipse常用快捷键
    C#_XML与Object转换
    jQuery选择函数
    Bootstrap如何正确引用字体图标
    js上拉加载、下拉刷新的插件
    js通用对象数组冒牌排序
    关于js跨域
  • 原文地址:https://www.cnblogs.com/zzb-Dream-90Time/p/9872643.html
Copyright © 2011-2022 走看看