作者热门文章
- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有此代码适用于英语但不适用于波斯语
from gensim.models import Word2Vec as wv
for sentence in sentences:
tokens = sentence.strip().lower().split(" ")
tokenized.append(tokens)
model = wv(tokenized
,size=5,
min_count=1)
print('done2')
model.save('F:/text8/text8-phrases1')
print('done3')
print(model)
model = wv.load('F:/text8/text8-phrases1')
print(model.wv.vocab)
> 'بر': <gensim.models.keyedvectors.Vocab object at 0x0000027716EEB0B8>,
> 'اساس': <gensim.models.keyedvectors.Vocab object at
> 0x0000027716EEB160>, 'قوانين': <gensim.models.keyedvectors.Vocab
> object at 0x0000027716EEB198>, 'دانشگاه':
> <gensim.models.keyedvectors.Vocab object at 0x0000027716EEB1D0>,
> 'اصفهان،': <gensim.models.keyedvectors.Vocab object at
> 0x0000027716EEB208>, 'نويسنده': <gensim.models.keyedvectors.Vocab
> object at 0x0000027716EEB240>, 'مسؤول':
> <gensim.models.keyedvectors.Vocab object at 0x0000027716EEB278>,
> 'مقاله': <gensim.models.keyedvectors.Vocab object at
> 0x0000027716EEB2B0>, 'بايد'
最佳答案
@AminST,我知道现在回答您的问题为时已晚,但可能有些人有同样的问题。所以我在这里放了一些有用的代码。我在 diikala 评论中使用了下面的代码。我只假设您有预处理部分(删除停用词、HTML、表情符号等)并且数据已准备好进行矢量化。
from hazm import word_tokenize
import pandas as pd
import gensim
from gensim.models.word2vec import Word2Vec
# reading dataset
df = pd.read_csv('data/cleaned/data.csv')
df.title = df.title.apply(str)
df.comment = df.comment.apply(str)
# Storing comments in list
comments = [comment for comment in df.comment]
# converting each sentence to list of words and inserting in sents
sents = [word_tokenize(comment) for comment in comments]
model = Word2Vec(sentences=sents, size=64, window=10, min_count=5, seed=42, workers=5)
model.save('digikala_words.w2v')
# Check for vector
model['دیجیکالا']
我真的希望它可以帮助你,我的 friend 。
关于keras - 如何为波斯语实现词嵌入,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51486374/
我是一名优秀的程序员,十分优秀!