word2vec API

本文翻译自

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)

用于训练、使用和评价神经网络的类；
模型能够通过save() and load() methods尽心存储或加载，
或通过save_word2vec_format() and load_word2vec_format()使用和原始word2vec 应用相兼容的格式进行存储或加载；
使用一个语句迭代器进行初始化模型，每一个语句是一个单词序列，它们用于训练；
语句迭代器可以是一个简单的列表，但是对于大型的语料库，考虑直接从磁盘或网络产生句子流的迭代器；相关 BrownCorpus, Text8Corpus or LineSentence
如果没有提供语句集，这个模型就不被初始化，这种情况出现在你打算使用另一种方式进行初始化；
sg 定义了训练算法。默认（sg=0）,CBOW被使用，否则（sg =1）,skip-gram 被利用；
size是特征向量的维度；
window 表示在一个句子中，当前单词和被预测的单词之间的最大距离；
alpha是学习率的初始值（将要随着训练过程线性下降到min_alpha）
seed 用于随机数生成器，

min_count 把所有总的单词频率小于这个数的所有单词忽略了；
max_vocab_size 用于限制在构建单词表过程使用的内存，如果出现比这个数多的不同单词，就修剪掉频率最小的那些单词；每100million单词类型需要1GB的RAM，设置为None即没有限制（默认）；
sample 设置阈值，决定多高频率的单词被随机采样； 默认值是1e-3 可用范围（0，1e-5）
workers 使用很多工作线程用于模型训练；（使用多核机器更快的训练）
hs 如果为1 ， hierarchical softmax会被用于模型训练；如果设置为0（默认）， 而且negative 非零，负采样将要被用于训练；
negative ，如果大于零负采样将要被用于训练，这个负整数指定多少噪音单词被绘制（通常5-20），默认为5，如果设为0，不使用负采样；

cbow_mean 如果为0，使用语境中单词向量的和，如果为1（默认），使用语境单词向量的平均；只是用在cbow算法中；
hashfxn 被用于随机初始化权重的哈希函数；用于提高训练再现性；默认为Python中的基本的哈希函数；

iter语料库的迭代次数；（默认为5）

trim_rule 单词表的整理规则，指出某些单词应该出现在单词表中、或者被削去、或使用默认的方式处理（抛弃词频小于min_count 的）；如果设置为None(min_count 被使用)，或接受参数 (word, count, min_count) 的回掉，返回 utils.RULE_DISCARD, utils.RULE_KEEP or utils.RULE_DEFAULT
这个参数如果被给出，这个规则只用在构建单词表时的修建过程，不被存储为模型的一部分；

sorted_vocab如果为1（默认），在给单词分配序号前，先根据词频按照降序排序。

batch_words 传给工作线程的样本批次的目标大小；默认为10000

build_vocab(sentences, keep_raw_vocab=False, trim_rule=None, progress_per=10000, update=False)

根据语句序列，构建单词表，每一个语句一定是一个unicode编码字符串；

accuracy(questions, restrict_vocab=30000, most_similar=<function most_similar>, case_insensitive=True)

模型的计算精度，