Word2Vec.Net - 单词转换成向量形式工具


MIT
Windows
.NET

软件简介

Word2Vec.Net 是单词转换成向量形式工具Word2Vec .NET版本。

使用示例代码:

            var builder = Word2VecBuilder.Create();

            if ((i = ArgPos("-train",  args)) > -1)
                builder.WithTrainFile(args[i + 1]);
            if ((i = ArgPos("-output", args)) > -1)
                builder.WithOutputFile(args[i + 1]);
            //to all other parameters will be set default values
            var word2Vec = builder.Build();
            word2Vec.TrainModel();
            var distance = new Distance(args[i + 1]);
            BestWord[] bestwords = distance.Search("some_word");

或者

//more explicit option
        string trainfile="C:/data.txt";
        string outputFileName = "C:/output.bin";
        var word2Vec = Word2VecBuilder.Create()
            .WithTrainFile(trainfile)// Use text data to train the model;
            .WithOutputFile(outputFileName)//Use to save the resulting word vectors / word clusters
            .WithSize(200)//Set size of word vectors; default is 100
            .WithSaveVocubFile()//The vocabulary will be saved to <file>
            .WithDebug(2)//Set the debug mode (default = 2 = more info during training)
            .WithBinary(1)//Save the resulting vectors in binary moded; default is 0 (off)
            .WithCBow(1)//Use the continuous bag of words model; default is 1 (use 0 for skip-gram model)
            .WithAlpha(0.05)//Set the starting learning rate; default is 0.025 for skip-gram and 0.05 for CBOW
            .WithWindow(7)//Set max skip length between words; default is 5
            .WithSample((float) 1e-3)//Set threshold for occurrence of words. Those that appear with higher frequency in the training data twill be randomly down-sampled; default is 1e-3, useful range is (0, 1e-5)
            .WithHs(0)//Use Hierarchical Softmax; default is 0 (not used)
            .WithNegative(5)//Number of negative examples; default is 5, common values are 3 - 10 (0 = not used)
            .WithThreads(5)//Use <int> threads (default 12)
            .WithIter(5)//Run more training iterations (default 5)
            .WithMinCount(5)//This will discard words that appear less than <int> times; default is 5
            .WithClasses(0)//Output word classes rather than word vectors; default number of classes is 0 (vectors are written)
            .Build();

            word2Vec.TrainModel();

        var distance = new Distance(outputFile);
        BestWord[] bestwords = distance.Search("some_word");