【文件属性】：
文件名称：doc2vec:使用Gensim训练doc2vec模型的Python脚本
文件大小：199KB
文件格式：ZIP
更新时间：2021-05-01 06:40:22
nlp machine-learning word2vec doc2vec JupyterNotebook
doc2vec
该存储库包含Python脚本，用于使用训练doc2vec模型。
有关doc2vec算法的详细信息，请参见论文。
创建一个DeWiki数据集
Doc2vec是一种无监督的学习算法，并且可以使用任何文档集来训练模型。 文档可以是简短的140个字符的推文，单个段落（如文章摘要，新闻文章或书籍）中的任何内容。
对于德国人来说，一个好的基线是使用训练模型。
下载最新的DeWiki转储：
wget http://download.wikimedia.org/dewiki/latest/dewiki-latest-pages-articles.xml.bz2
提取内容：
wget http://medialab.di.unipi.it/Project/SemaWiki/Tools/WikiExtractor.py
python WikiExtractor.py -c -b 2
【文件预览】：
doc2vec-master
----.gitignore(26B)
----data()
--------semantic.bestmatch.questions(17KB)
--------syntactic.questions(314KB)
--------stopwords_german.txt(17KB)
----notebooks()
--------visualize-embeddings.ipynb(179KB)
--------evaluate-doc2vec-model.ipynb(42KB)
----README.md(2KB)
----preprocess.py(2KB)
----train.py(7KB)