python Gensim库建立word2vec参数说明

from gensim.models import word2vec
model = word2vec.Word2Vec(sentences, size=80, window=10,workers=6)

　　

参数定义：

• sentences：可以是一个list
• sg： 用于设置训练算法，默认为0，对应CBOW算法；sg=1则采用skip-gram算法。
• size：是指特征向量的维度，默认为100。大的size需要更多的训练数据,但是效果会更好. 推荐值为几十到几百。
• window：表示当前词与预测词在一个句子中的最大距离是多少
• alpha: 是学习速率
• seed：用于随机数发生器。与初始化词向量有关。
• min_count: 可以对字典做截断. 词频少于min_count次数的单词会被丢弃掉, 默认值为5

• max_vocab_size: 设置词向量构建期间的RAM限制。如果所有独立单词个数超过这个，则就消除掉其中最不频繁的一个。每一千万个单词需要大约1GB的RAM。设置成None则没有限制。

• workers参数控制训练的并行数。

• hs: 如果为1则会采用hierarchica·softmax技巧。如果设置为0（defau·t），则negative sampling会被使用。
• negative: 如果>0,则会采用negativesamp·ing，用于设置多少个noise words
• iter： 迭代次数，默认为5