gensim函数库的Word2Vec的参数说明
来源:互联网 发布:淘宝天猫内部优惠券 编辑:程序博客网 时间:2024/06/08 17:48
今天在重新学习Word2vec,发现对很多参数理解不够透彻,所以针对gensim函数库训练Word2Vec模型有很多配置参数说明进行记录,以方便后期学习。
class gensim.models.word2vec.Word2Vec
(sentences=None,size=100,alpha=0.025,window=5, min_count=5,max_vocab_size=None, sample=0.001,seed=1, workers=3,min_alpha=0.0001, sg=0, hs=0, negative=5, cbow_mean=1,hashfxn=<built-in function hash>,iter=5,null_word=0, trim_rule=None, sorted_vocab=1, batch_words=10000)
参数:
1.sentences:可以是一个List,对于大语料集,建议使用BrownCorpus,Text8Corpus或·ineSentence构建。2.sg: 用于设置训练算法,默认为0,对应CBOW算法;sg=1则采用skip-gram算法。
3.size:是指输出的词的向量维数,默认为100。大的size需要更多的训练数据,但是效果会更好. 推荐值为几十到几百。
4.window:为训练的窗口大小,8表示每个词考虑前8个词与后8个词(实际代码中还有一个随机选窗口的过程,窗口大小<=5),默认值为5。
5.alpha: 是学习速率
6.seed:用于随机数发生器。与初始化词向量有关。
7.min_count: 可以对字典做截断. 词频少于min_count次数的单词会被丢弃掉, 默认值为5。
8.max_vocab_size: 设置词向量构建期间的RAM限制。如果所有独立单词个数超过这个,则就消除掉其中最不频繁的一个。每一千万个单词需要大约1GB的RAM。设置成None则没有限制。
9.sample: 表示 采样的阈值,如果一个词在训练样本中出现的频率越大,那么就越会被采样。默认为1e-3,范围是(0,1e-5)
10.workers:参数控制训练的并行数。
11.hs: 是否使用HS方法,0表示不使用,1表示使用 。默认为0
12.negative: 如果>0,则会采用negativesamp·ing,用于设置多少个noise words
13.cbow_mean: 如果为0,则采用上下文词向量的和,如果为1(default)则采用均值。只有使用CBOW的时候才起作用。
14.hashfxn: hash函数来初始化权重。默认使用python的hash函数
15.iter: 迭代次数,默认为5。
16.trim_rule: 用于设置词汇表的整理规则,指定那些单词要留下,哪些要被删除。可以设置为None(min_count会被使用)或者一个接受()并返回RU·E_DISCARD,uti·s.RU·E_KEEP或者uti·s.RU·E_DEFAU·T的函数。
17.sorted_vocab: 如果为1(defau·t),则在分配word index 的时候会先对单词基于频率降序排序。
18.batch_words:每一批的传递给线程的单词的数量,默认为10000
阅读全文
0 0
- gensim函数库的Word2Vec的参数说明
- gensim函数库的Word2Vec的参数说明
- gensim函数库中Word2Vec的参数说明
- gensim版word2vec的使用
- 基于 Gensim 的 Word2Vec 实践
- 基于 Gensim 的 Word2Vec 实践
- Word2Vec的Python版Gensim的使用
- 关于gensim的Word2vec的相关函数
- Python中gensim库word2vec的使用
- Python与自然语言处理(二)基于Gensim的Word2Vec
- gensim实现python对word2vec的训练和计算
- python 环境下gensim中的word2vec的使用笔记
- 基于python的gensim word2vec训练词向量
- word2vec词向量训练及gensim的使用
- gensim实现python对word2vec的训练和计算
- 利用Gensim训练关于英文维基百科的Word2Vec模型(Training Word2Vec Model on English Wikipedia by Gensim)
- gensim word2vec
- gensim Word2vec
- 中文排版指南
- hihoCoder #1032 : 最长回文子串
- python 列表,元组,字典,set(5)
- CDH5.9.0离线部署
- 安装Redis后RedisDesktopManager无法连接
- gensim函数库的Word2Vec的参数说明
- vue-cli工程下组件之间的通信
- 有关重载和覆写的说明
- 编程缩写字典
- 练习1-3
- 聚集索引和非聚集索引(整理)
- RecyclerView配合DiffUtil
- centos 6.7 yum install mysql
- HDU 2752 kmp next的应用