gensim.models.Word2Vec

本文记录gensim.models中Word2Vec的各项参数，以便日后回顾记忆

from gensim.models import Word2Vec
	"""
    训练word to vector 的word embedding
    """
    model = Word2Vec(x, vector_size=50, window=5, min_count=1, workers=4, epoches=10, sg=1)
    return model

参数：

• x: 训练数据。
• vector_size: 单词词向量的维度
• size: 主要是用来设置神经网络的层数，Word2Vec中的默认值是设置为100层。更大的层次设置意味着更多的输入数据，不过也是提升整体的准确度，合理的设置范围为10~数百。
• window: 一个句子中当前和预测的单词之间的最大距离。
• min_count: 在不同大小的语料集中，我们对于基准词频需求也是不一样的，譬如在较大的语料集中，我们希望忽略那些只出现一两次的单词，这里我们就可以通过设置min_count参数进行控制，一般而言，合理的参数值会设置在0~100之间。
• workers: 用于设置并发训练时候的线程数，不过仅当Cpython安装的情况下才会起作用。
• epoches: 调用Word2Vec(sentences, epoches=1)会调用句子迭代器运行两次（一般来说，会运行iter+1次，默认情况下iter=5）。第一次运行收集单词和它们的出现频率，从而构造一个内部字典树。第二次以后的运行负责训练神经模型。这两次运行（iter+1）也可以被手动初始化，如果输入流是无法重复利用的，也可以用下面的方式对其进行初始化。

  model = gensim.models.Word2Vec(epoches=1)  # an empty model, no training yet
  model.build_vocab(some_sentences)  # can be a non-repeatable, 1-pass generator
  model.train(other_sentences)  # can be a non-repeatable, 1-pass generator
  

• sg: 训练算法，1 是指skip-gram, 0 是指CBOW。