本文主要是介绍120G+训练好的word2vec模型（中文词向量），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
从网上了解到，很多人缺少大语料训练的word2vec模型，在此分享下使用120G+语料训练好的word2vec模型。 训练语料：
- 百度百科800w+条，20G+
- 搜狐新闻400w+条，12G+（数据下载链接见其它博文）
- 小说：90G左右
模型参数：
- window=5
- min_count=5
- size=64
- ps：其它参数见gensim库，执行代码为：Word2Vec(sentence, window=5, min_count=5,size=64, workers=4)
其它相关：
- 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；
- 目前只跑了64维的结果，后期更新128维词向量；
- 模型格式有两种bin和model；
下载链接：链接: https://pan.baidu.com/s/1eUgu8Cy 密码: 4is8
本文转自 https://weibo.com/p/23041816d74e01f0102x77v#_loginLayer_1515659232344
这篇关于120G+训练好的word2vec模型（中文词向量）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
