gensim Word2vec

转载的文章找不到了.url就不放了。百度上相关的很多，来源可能都是一样的。 不能完全转载，选择了部分的内容。所以算原创吧。。。

在做这个实验的时候，最麻烦的问题是编码问题。由于工具采用的utf-8编码。所以不得不把文件的编码格式转化了。前半部分实现编码转换过程。

# coding=gb2312from gensim.models import word2vecimport chardetimport gensimimport logging# file = open('allWords.txt','rb')# fileout = open('allWords1.txt',"wb")# tl = 0# for i in file:# tl += 1# encodingName = chardet.detect(i)['encoding']# # print(encodingName)# # print(i)# i = i.decode(encoding='gb2312',errors='ignore')# i = i.encode('utf-8',errors='ignore')# # print(chardet.detect(i))# # print(i)# # i = i.encode('utf-8')# print(tl)# # if tl == 100:# # break# fileout.write(i)# file.close()# fileout.close()# exit(0)# 主程序logging.basicConfig(format='%(asctime)s:%(levelname)s: %(message)s', level=logging.INFO)sentences =word2vec.Text8Corpus(u"allWords1.txt")  # 加载语料model =word2vec.Word2Vec(sentences, size=200)  #训练skip-gram模型，默认window=5# 以一种c语言可以解析的形式存储词向量#model.save_word2vec_format(u"书评.model.bin", binary=True)