Word2vec，是google在2013年提出的開源項(xiàng)目，它實(shí)際上是一個(gè)Deep Learning模型，可以將詞（word）表征成實(shí)數(shù)值向量，采用CBOW（Continuous Bag-Of-Words Model，連續(xù)詞袋模型）和Skip-Gram(Continuous Skip-GramModel)兩種模型。

    在windows下使用word2vec訓(xùn)練詞向量，需要以下幾個(gè)步驟：

    1.在windows下安裝linux環(huán)境模擬器:因?yàn)閣ord2vec需要linux環(huán)境，所有首先需要在windows下安裝linux環(huán)境模擬器。推薦cygwin（下載地址：http://www.cygwin.com/install.html），在安裝時(shí)注意：因?yàn)槟J(rèn)安裝下沒有安裝make命令工具（后面要用到），所以在安裝時(shí)，選擇package時(shí)，需要選擇Devel模塊中的以下幾個(gè)軟件包。

   3.訓(xùn)練數(shù)據(jù)的準(zhǔn)備：將語料庫進(jìn)行分詞并去掉停用詞（我的下載里面有中英文常用的停用詞），所有的詞以空格鍵或tab鍵隔開寫入一個(gè)文件中，如all_words中，并將該文件拷貝到word2vec目錄中。

   4.啟動(dòng)cygwin：使用cd命令進(jìn)入word2vec文件夾下，輸入make命令，報(bào)如下錯(cuò)誤

gcc word2vec.c -o word2vec -lm -pthread -O3 -march=native -Wall -funroll-loops -Wno-unused-resultgcc: 錯(cuò)誤：unrecognized command line option ‘-pthread’makefile:8: recipe for target 'word2vec' failedmake: *** [word2vec] Error 1

說明cygwin中的gcc不支持pthread多線程命令，解決方法是將word2vec目錄下的makefile文件打開，添加“#”注釋掉下面一行：

CFLAGS = -lm -pthread -O3 -march=native -Wall -funroll-loops -Wno-unused-result效果如下圖所示，

  %205.將你自己的數(shù)據(jù)（可以打包成壓縮文件），放入word2vec目錄下，修改demo-word.sh文件：

   demo-word.sh文件的內(nèi)容如下所示：

  6.訓(xùn)練數(shù)據(jù)：輸入行命令sh demo-word.sh，等待訓(xùn)練完成。模型訓(xùn)練完成之后，得到了vectors.bin這個(gè)詞向量文件，文件的存儲(chǔ)類型由binary參數(shù)，如果為0，便可以直接用編輯器進(jìn)行查看。

  7.問題：生成的英文語料可以計(jì)算向量之間的相似程度，但中文文本下相似距離計(jì)算出現(xiàn)下面的結(jié)果：