Python 使用映射重命名gensim Word2Vec单词
我想用映射替换gensim Word2Vec模型中的单词 示例 我当前的模型有一个单词Python 使用映射重命名gensim Word2Vec单词,python,gensim,word2vec,Python,Gensim,Word2vec,我想用映射替换gensim Word2Vec模型中的单词 示例 我当前的模型有一个单词'foo',它映射到一个向量: >>> model['foo'] [1.0 0.0] 我有映射:d={'foo':'bar',…} 如何使用此新映射重建模型,以便 >>> model['bar'] # in place of 'foo' [1.0 0.0] 一种解决方案是以基于C的word2vec格式保存模型,并使用awk将原始单词替换为新词的映射 假设我们有表单的文件
'foo'
,它映射到一个向量:
>>> model['foo']
[1.0 0.0]
我有映射:d={'foo':'bar',…}
如何使用此新映射重建模型,以便
>>> model['bar'] # in place of 'foo'
[1.0 0.0]
一种解决方案是以基于C的word2vec格式保存模型,并使用
awk
将原始单词替换为新词的映射
假设我们有表单的文件映射:
$ cat map.txt
foo:bar
...
我们可以通过以下方式重新创建模型:
import subprocess as sp
import shlex
from gensim.models import Word2Vec
model.save_word2vec_format('embeddings.txt', binary=False)
CMD = r"""
awk -F'[ ]|:' 'FNR==NR {a[$1]=$2; next} FNR==1{print $0} FNR!=1{$1=a[$1]; print $0}' map.txt embeddings.txt
"""
with open('new_embeddings.txt', 'w') as f:
p = sp.Popen(shlex.split(CMD), stdout=f)
new_model = Word2Vec.load_word2vec_format('new_embeddings.txt')
new_model.create_binary_tree()
另一方面,我的映射实际上是一个数组,我在数组中训练单词的索引arr
。我使用numpy创建了地图文件:
import numpy as np
np.savetxt('map.txt', np.c_[np.arange(arr.size), arr], '%d:%s')