【免费下载】 120G+训练好的word2vec模型（中文词向量）

简介

本资源提供了一个经过大规模语料训练的word2vec模型，专门用于中文词向量的生成。该模型基于268G+的语料数据进行训练，涵盖了百度百科、搜狐新闻、小说等多种类型的文本数据。通过使用该模型，用户可以轻松地生成高质量的中文词向量，适用于自然语言处理（NLP）中的各种任务，如文本分类、情感分析、机器翻译等。

模型参数

• window: 5
• min_count: 10
• size: 128
• hs: 1
• negative: 0
• iter: 5

使用方法

1. 加载bin模型

import gensim
model = gensim.models.KeyedVectors.load_word2vec_format('model.bin', binary=True)
print(model['love'])

2. 加载model模型

model = gensim.models.Word2Vec.load('model_path')

训练语料

• 百度百科：800w+条，26G+
• 搜狐新闻：400w+条，13G+
• 小说：229G+

其他说明

• 分词词典使用了130w+词典，分词代码：jieba.lcut(sentence)，默认使用了HMM识别新词。
• 剔除了所有非中文字符。
• 最终得到的词典大小为6115353。

适用场景

该模型适用于需要高质量中文词向量的各种NLP任务，如：

• 文本分类
• 情感分析
• 机器翻译
• 信息检索
• 问答系统

注意事项

• 请确保在使用模型前安装了gensim库。
• 模型文件较大，建议在有足够内存的机器上使用。

贡献与反馈

如果您在使用过程中遇到任何问题或有任何建议，欢迎通过GitHub Issues进行反馈。我们非常乐意听取您的意见，并不断改进模型。