如何使用gensim在Windows上运行word2vec

我认为你所追求的核心是这样的:

import sys

from gensim.models.word2vec import Word2Vec

def train_word2vec(trainFile, output):
    # compile word arrays for each sentence of input vocab
    sentences = list(line.split() for line in open(trainFile))

    # effective executable invocation of original code (included for reference)
    # word2vec -train {trainFile} -output {output} -cbow 0 -window 10 -size 100

    # invocation via word2vec module with (mostly) equivalent params
    model = Word2Vec(sentences, size=100, window=10, min_count=1, workers=4)

    # save generated model        
    model.save(output)

if __name__ == '__main__':
    train_word2vec(sys.argv[1], sys.argv[2])

另存为 train.py 并调用如下:

python train.py input.txt output.txt

需要注意的几点:

• 模块名称使用不同的大写字母( word2vec )以及导入类( Word2Vec )。它 将 如果你把它们弄混了就分手。
• 我没有找到/包括命令行的等效项 -cbow 0 争论。我想这表明了对跳克算法的偏好超过了cbow,但是需要一个拥有更多的 gensim 经验比我更能说明它的后果——或者说是那些把它排除在外的后果。
• 我也没有包括(或试图复制)原始的Unicode删除逻辑。生成的模型输出基本上是二进制数据,所以照原样来看,(a)几乎是直接掉下来的,(b)让我对它要实现的目标感到相当茫然。

希望这对你有所帮助。

首先,您需要发布不完整的代码,或者您的脚本缺少以下部分,使其能够从命令行获取参数(将其添加到脚本底部):

if __name__ == '__main__':
    import sys
    train_word2vec(sys.argv[1], sys.argv[2])

然后运行脚本( Python 在命令行中(大约)按以下方式解释,而不是编译:

python.exe your_script_file.py pathToInput pathToOutput