一 前言
Word2Vec是同上一篇提及的PageRank一样，都是Google的工程师和机器学习专家所提出的的；在学习这些算法、模型的时候，最好优先去看Google提出者的原汁Paper和Project，那样带来的启发将更大。因为创造者对自己所创之物的了解程度优于这世上的绝大部分者，这句话，针对的是爱看博文的读者，like me。
另外，补充几句。
1.防止又被抄袭，故关键笔记以图贴之。
2.标题前带阿拉伯数字标号的内容，便是使用Gensim的Word2Vec模型过程中的完整流程序号，通常也较为常用且重要。
二 鸣谢
感谢如下文章/论文的详细描述，它们亦是本文的主要测试依据，尤其需要感谢最后四篇博文的精彩解说。
- Word2Vec Introduction - Google - [推荐]
- Gensim - Word2Vec - Github
- Gensim - Github
- 基于 Gensim 的 Word2Vec 实践
- 翻译Gensim的word2vec说明
- Gensim之Word2Vec使用手册 - [推荐]
- word2vec词向量中文语料处理(python gensim word2vec总结)
三 Word2Vec 概要
重要API/类
- gensim.models.KeyedVectors
- gensim.models.word2vec
- gensim.models.word2vec.Word2Vec(sentences,min_count,size,worker)
- gensim.models.Word2Vec(sentences,min_count,size,worker)
Word2Vec类：构建Word2Vec词向量模型
<div align="center"> <img src="https://img2018.cnblogs.com/blog/1173617/201905/1173617-20190521214205960-361121728.png"> </div>
四 Word2Vec 详解
- 注：标题前带阿拉伯数字标号的内容，便是使用Gensim的Word2Vec模型过程中的完整流程序号，通常也较为常用且重要。
1 加载语料库
<div align="center"> <img src="https://img2018.cnblogs.com/blog/1173617/201905/1173617-20190521215015156-1904286943.png"> </div> <div align="center"> <img src="https://img2018.cnblogs.com/blog/1173617/201905/1173617-20190521215058763-510157864.png"> </div>
2 (初次)训练
<div align="center"> <img src="https://img2018.cnblogs.com/blog/1173617/201905/1173617-20190521150830822-1568145164.png"> </div>
手动构建词汇表
<div align="center"> <img src="https://img2018.cnblogs.com/blog/1173617/201905/1173617-20190521150946174-1924098696.png"> </div>
3 追加训练(更新模型)
<div align="center"> <img src="https://img2018.cnblogs.com/blog/1173617/201905/1173617-20190521151031441-77114195.png"> </div>
4 存储模型
<div align="center"> <img src="https://img2018.cnblogs.com/blog/1173617/201905/1173617-20190521151134472-261000270.png"> </div>
5 加载模型
<div align="center"> <img src="https://img2018.cnblogs.com/blog/1173617/201905/1173617-20190521151211734-1915980561.png"> </div>
6 获取词向量
<div align="center"> <img src="https://img2018.cnblogs.com/blog/1173617/201905/1173617-20190521214114810-396467055.png"> </div>
加载词向量
<div align="center"> <img src="https://img2018.cnblogs.com/blog/1173617/201905/1173617-20190521151328783-134757865.png"> </div>
7 模型应用
<div align="center"> <img src="https://img2018.cnblogs.com/blog/1173617/201905/1173617-20190521214018057-442426824.png"> </div>
8 模型评估
<div align="center"> <img src="https://img2018.cnblogs.com/blog/1173617/201905/1173617-20190521151511940-131027673.png"> </div>
五 补充
- 欢迎探讨，欢迎Follow~
来源：oschina
链接：https://my.oschina.net/u/4391945/blog/3529717