Doc2Vec,Word2Vec文本相似度 初体验。

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Doc2Vec,Word2Vec文本相似度 初体验。相关的知识,希望对你有一定的参考价值。

参考资料 :
https://radimrehurek.com/gensim/models/word2vec.html

接上篇 :

import jieba
all_list = jieba.cut(xl[‘工作内容‘][0:6],cut_all=True)
print(all_list)
every_one = xl[‘工作内容‘].apply(lambda x:jieba.cut(x))
import traceback
def filtered_punctuations(token_list):
    try:
        punctuations = [‘ ‘, ‘\n‘, ‘\t‘, ‘,‘, ‘.‘, ‘:‘, ‘;‘, ‘?‘, ‘(‘, ‘)‘, ‘[‘, ‘]‘, ‘&‘, ‘!‘, ‘*‘, ‘@‘, ‘#‘, ‘$‘, ‘%‘,‘:‘,
                        ‘/‘,‘\xa0‘,‘。‘,‘;‘,‘、‘]
        token_list_without_punctuations = [word for word in token_list
                                                         if word not in punctuations]
        #print "[INFO]: filtered_punctuations is finished!"
        return token_list_without_punctuations

    except Exception as e:
        print (traceback.print_exc())

from gensim.models import Doc2Vec,Word2Vec
import gensim
def list_crea(everyone):
    list_word = []
    for k in everyone:
        fenci= filtered_punctuations(k)
        list_word.append(fenci)

    return list_word

aa_word = list_crea(every_one)

print(type(aa_word))  
#aa_word 是 个 嵌套的list   [[1,2,3], [4,5,6], [7,8,9]]
model = Word2Vec(aa_word, min_count=1)    # 训练模型,参考英文官网,在上面

say_vector = model[‘java‘]  # get vector for word

model.similarity(‘计算‘, ‘计算机‘) 

技术分享图片

以上是关于Doc2Vec,Word2Vec文本相似度 初体验。的主要内容,如果未能解决你的问题,请参考以下文章

机器学习使用gensim 的 doc2vec 实现文本相似度检测

NLP之Word2Vec模型和Doc2Vec模型

word2vec词向量训练及中文文本相似度计算

自然语言处理NLP之语义相似度语言模型doc2vec

Word2Vec 计算词语之间的余弦相似度

word2vec概述