预训练模型 FastText 读取词向量

最新推荐文章于 2023-09-26 19:44:49 发布

甜辣uu

最新推荐文章于 2023-09-26 19:44:49 发布

阅读量399

点赞数

CC 4.0 BY-SA版权

分类专栏：自然语言处理-nlp-NLP 文章标签： python numpy 机器学习语言模型自然语言处理

本文链接：https://blog.csdn.net/qq_38735017/article/details/126447025

自然语言处理-nlp-NLP 专栏收录该内容

89 篇文章 ¥59.90 ¥99.00

订阅专栏

超级会员免费看

本文详细介绍了如何使用Python和NumPy加载预训练的FastText模型，以进行词向量的获取和自然语言处理任务。通过理解FastText模型的内部机制，读者将能够有效地利用这些词向量进行机器学习和语言模型的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

、‘

、、

、、、

from gensim.models import FastText
from gensim.models import KeyedVectors
import pandas as pd
data=pd.read_excel("level_2_table(1).xlsx")
data_neirong=data['内容'].values
data_1_aspect=data['1_aspect'].values
print(data_1_aspect)
FASTTEXTFILE = "wiki-news-300d-1M.vec"
ft_model = KeyedVectors.load_word2vec_format(FASTTEXTFILE)
with open ("1_aspect_vec.txt","a+",encoding="utf-8") as f:
        for word in data_1_aspect:
                temp_vec=ft_model.get_vector(str(word))
                print(temp_vec)
                f.write(str(word) + " ")
                for i in temp_vec:
                        f.write(str(i)+" ")
                f.write("\n")
f.close()