Я использую предварительно подготовленные новости набор данные Google для получения векторов слов с помощью библиотеки Gensim в питонеВозможно ли повторное обучение модели word2vec (например, GoogleNews-vectors-negative300.bin) из состава предложений в python?
model = Word2Vec.load_word2vec_format('GoogleNews-vectors-negative300.bin', binary=True)
После загрузки модели я преобразование подготовки обзоров приговора слов в векторы
#reading all sentences from training file
with open('restaurantSentences', 'r') as infile:
x_train = infile.readlines()
#cleaning sentences
x_train = [review_to_wordlist(review,remove_stopwords=True) for review in x_train]
train_vecs = np.concatenate([buildWordVector(z, n_dim) for z in x_train])
Во word2Vec процесс я получаю много ошибок для слов в моем корпусе, которые не входят в модель. Проблема заключается в том, как я могу переучивать уже подготовленную модель (например, GoogleNews-vectors-negative300.bin '), чтобы получить словарные векторы для этих недостающих слов.
Ниже то, что я пробовал: Обученные новую модель от подготовки предложений, которые я имел
# Set values for various parameters
num_features = 300 # Word vector dimensionality
min_word_count = 10 # Minimum word count
num_workers = 4 # Number of threads to run in parallel
context = 10 # Context window size
downsampling = 1e-3 # Downsample setting for frequent words
sentences = gensim.models.word2vec.LineSentence("restaurantSentences")
# Initialize and train the model (this will take some time)
print "Training model..."
model = gensim.models.Word2Vec(sentences, workers=num_workers,size=num_features, min_count = min_word_count,
window = context, sample = downsampling)
model.build_vocab(sentences)
model.train(sentences)
model.n_similarity(["food"], ["rice"])
Он работал! но проблема в том, что у меня есть действительно небольшой набор данных и меньше ресурсов для обучения большой модели.
Второй способ, который я рассматриваю, - расширить уже обученную модель, такую как GoogleNews-vectorectors-negative300.bin.
model = Word2Vec.load_word2vec_format('GoogleNews-vectors-negative300.bin', binary=True)
sentences = gensim.models.word2vec.LineSentence("restaurantSentences")
model.train(sentences)
Можно и в том, что хороший способ использования, пожалуйста, помогите мне
Возможный дубликат [Обновить gensim word2vec model] (http://stackoverflow.com/questions/22121028/update-gensim-word2vec-model) – ksindi