这是对Word2Vec的源码的改进和解析。增添了我的一点理解和注释,并且完善了整个工程的条理性。使得fork下来就可以使用。
主要包括有: 对于word2vec源码的梳理和真正训练时遇到的问题,都在注释里。 可用的功能有:
- 获取词向量
- 求相似词
- 获取句子向量
- 求两个句子的相似度
额外的扩展库我也已经打包在ExtendLib下了,自己添加即可。
推荐阅读的文献包括:Tomas Mikolov的一系列关于Word2vec的论文,主要包括:
- word2vec的前身基于神经网络的语言模型
- word2vec的两种模型的介绍
- word2vec的Skip-gram模型的改进
- word2vec在机器翻译上的应用
- word2vec的短语扩展
- word2vec的句子和段落、篇章的扩展。