训练GloVe中文词向量

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/weixin_37947156/article/details/83145778

准备语料

准备好自己的语料，保存为txt，每行一个句子或一段话，注意要分好词。

准备源码

从GitHub下载代码，https://github.com/stanfordnlp/GloVe
将语料corpus.txt放入到Glove的主文件夹下。

修改bash

打开demo.sh，修改相应的内容

因为demo默认是下载网上的语料来训练的，因此如果要训练自己的语料，需要注释掉

修改参数设置，将CORPUS设置成语料的名字

执行bash文件

进入到主文件夹下

make

bash demo.sh

注意，如果训练数据较大，则训练时间较长，那么建议使用nohup来运行程序

1
nohup bash demo.sh >output.txt 2>&1 &
坐等训练，最后会得到vectors.txt 以及其他的相应的文件。如果要用gensim的word2ve load进来，那么需要在vectors.txt的第一行加上vacob_size vector_size，第一个数指明一共有多少个向量，第二个数指明每个向量有多少维。

参考

https://www.cnblogs.com/echo-cheng/p/8561171.html