python调用word2vec工具包安装和使用指南
word2vec python-toolkit installation and use tutorial
本文选译自英文版，代码注释均摘自本文，建议先阅读skip-model相关知识再阅读本指南 github仓库地址
环境准备
安装gcc, 安装gcc坑比较多，这里建议使用codeblocks自带的gcc编译器，下载地址，这里注意，一定要点击codeblocks-mingw版本，安装完成后设置环境变量Path, INCLUDE, LIB 尝试安装： pip install word2vec , 观察报错情况，这里有几种解决方法，我遇到的报错是 Microsoft Visual C++ 14.0 is required. Get it with "Microsoft Visual C++ Build Tools": https://visualstudio.microsoft.com/downloads/ 解决方法是下载microsoft vc++下载指南, 还有其他可能的错误，链接如下：报错列表，题外话：安装python工具包时，先查阅pypi，可以避免一些错误模型的训练
? 导入模型 import word2vec
同义词合并，例如michael jacson和 michael-jackson
word2vec.word2phrase('./txt_file/text8', './txt_file/text8-phrases', verbose=True)
训练skip-gram model， 得到word2vec词向量表示，size为向量的维数
word2vec.word2vec('/Users/drodriguez/Downloads/text8-phrases', '/Users/drodriguez/Downloads/text8.bin', size=100, verbose=True)
输出 text8.bin 文件，包含二进制形式的词向量组
词向量的应用：单词聚类，产生 text8-clusters.txt 包含所有单词的聚类结果, 结果数目小于等于单词表数目
word2vec.word2clusters('/Users/drodriguez/Downloads/text8', '/Users/drodriguez/Downloads/text8-clusters.txt', 100, verbose=True)
model模型的使用
导入刚才产生的模型
model = word2vec.load('/Users/drodriguez/Downloads/text8.bin')
model的属性 model.vocab , 得到单词表的numpy.array格式，这里的单词不是词向量形式
model.vectors 是模型的矩阵，n为单词数目，m为词向量长度， vectors 为n*m维
可以通过 model[‘dog‘].shape 或者 model[‘dog‘][:10] 来访问某一个单词的词向量信息
计算几个词向量两两之间的距离： model.distance("dog", "cat", "fish")
得到某一个单词的相似词（基于余弦相似度）： indexes, metrics = model.similar("dog") ,第一个返回值为相似向量的下标，第二个为相似度，都为tuple格式，得到相应的单词可使用 model.vocab[indexes]
得到相似词的统计信息：（词，相似度） model.generate_response(indexes, metrics) ，还可以使用 model.generate_response(indexes, metrics).tolist() 来转换得到python数据类型
词向量直接加减运算： indexes, metrics = model.analogy(pos=[‘king‘, ‘woman‘], neg=[‘man‘]) ,返回值和 generate_response method 相同
cluster模型的使用
导入cluster模型
clusters = word2vec.load_clusters('/Users/drodriguez/Downloads/text8-clusters.txt')
得到某一组结果 clusters.get_words_on_cluster(90) ，结果为这一组的所有单词
cluster和model的结合使用
将cluster添加到word2vec model中
model.clusters = clusters
进行类似的加减分析： indexes, metrics = model.analogy(pos=["paris", "germany"], neg=["france"])
得到结果后， model.generate_response(indexes, metrics).tolist() ，得到(单词，相似程度，所属组号)
查看更多关于python调用word2vec工具包安装和使用指南的详细内容...