30天了解30种技术系列(17)---词关系分析神器Word2vec

   

   我本人是自然语言处理的从业者，同时也是非常非常热爱自然语言处理技术。所以分享一个我平常使用的工具-Word2vec.

 

  Word2vec 是由Google开源，基于deep-learning 技术可以将单词转换成向量形式的工具。然后通过向量空间技术计算词的相似度。但是需要注意的是该模型其实更是一个神经网络模型，所以离这个Deep Learning 稍微差一些。

 

  word2vec的官方地址：https://code.google.com/p/word2vec/，下载好代码后进行编译即可。

 

  如果是中文，需要先找一个分词工具对词进行分词，可以用jieba（这个。。），阿里，ANSJ

  通过以下方式可以对结果集，进行处理

  

nohup ./word2vec -train resultbig.txt -output vectors.bin -cbow 0 -size 200 -window 5 -negative 0 -hs 1 -sample 1e-3 -threads 12 -binary 1 &

##相似此计算
/distance vectors.bin

 

 

  以下使用81万条样本处理过后，得到的结果，从结果可以看出，屏幕的近似词为显示屏，电脑屏幕，还是相当的精准的。

   

 

  有了这个以后，咱们就可以构建词的关系网络，如android 有关系的词，在海量文本数据里面是一种非常有效的前期数据处理工具。

 

 大家如果对于哪个技术比较感兴趣，可以私信，我会有重点的在后续文章进行展开。

 

 更多精彩请关注微信 : 图灵搜索

 大家也可以使用中国第一个为程序员打造的搜索引擎：https://www.tulingss.com 进行查看。