lonepatient/chinese-word2vec-pytorch

word2vec implementation for skip-gram in pytorch

word2vec implementation for skip-gram in pytorch

本repo包含了使用pytorch实现skip-gram版本的word2vec词向量模型。

备注: 该版本以batch为1进行训练，速度较慢。

目录结构

主要的代码目录结果如下所示:

├── pyword2vec
|  └── callback
|  |  └── lrscheduler.py　　
|  └── config
|  |  └── word2vec_config.py　　
|  └── dataset　　　　　　　　　　　
|  └── io　　　　　　　　　　　　　　
|  └── model
|  └── output　　　　　　　　　　　
|  └── preprocessing　　　　
|  └── train
|  └── utils
├── get_similar_words.py
├── train_gensim_word2vec.py
├── train_word2vec.py

案例

1. 首先下载数据集，可以从百度网盘{提取码：7fyf},并放入pyw2v/dataset/raw文件夹中

2. 修改config文件夹中对应的数据路径配置

3. 运行python train_word2vec.py进行word2vec模型训练

实验结果

大概6次epochs之后，可得到以下结果:

目标词	Top10	目标词	Top10
**	** : 1.000	男人	男人 : 1.000
**	美国 : 0.651	男人	女人 : 0.764
**	日本 : 0.578	男人	女生 : 0.687
**	国家 : 0.560	男人	男生 : 0.670
**	发展 : 0.550	男人	喜欢 : 0.625
**	文化 : 0.529	男人	恋爱 : 0.601
**	朝鲜 : 0.512	男人	岁 : 0.590
**	经济 : 0.504	男人	女 : 0.588
**	世界 : 0.493	男人	感觉 : 0.586
**	社会 : 0.481	男人	男朋友 : 0.581

chinese-word2vec-pytorch's Issues

Invalid dataset url

could you please update dataset url？

UnicodeDecodeError: 'gbk' codec can't decode byte 0x88 in position 8

我运行python train_word2vec.py，提示有错误

是不是那个预料有问题啊？

Error when using multiple Gpus