nlp - 如何在我自己的语料库上训练 GloVe 算法

Question

我试着关注 this.
但有些是我浪费了很多时间，结果却没有任何用处。
我只想训练一个 GloVe在我自己的语料库上建模(~900Mb corpus.txt 文件)。
我下载了上面链接中提供的文件并使用 cygwin 编译它(编辑 demo.sh 文件并将其更改为 VOCAB_FILE=corpus.txt 后。我应该保持 CORPUS=text8 不变吗？)
输出是:

cooccurrence.bin

cooccurrence.shuf.bin

text8

语料库.txt

向量.txt

我如何使用这些文件将其加载为 GloVe python上的模型？

Answer 1

You can do it using GloVe library:

安装它:pip install glove_python

然后:

from glove import Corpus, Glove

#Creating a corpus object
corpus = Corpus() 

#Training the corpus to generate the co occurence matrix which is used in GloVe
corpus.fit(lines, window=10)

glove = Glove(no_components=5, learning_rate=0.05) 
glove.fit(corpus.matrix, epochs=30, no_threads=4, verbose=True)
glove.add_dictionary(corpus.dictionary)
glove.save('glove.model')

引用: word vectorization using glove