在进行word2vecde 词向量的使用之前，需要对数据进行结巴分词（import jieba）
需要训练的数据路径：
path = "c:\\User\\Administrator\\train.txt"
保存的路径：
"c:\\User\\Administrator\\cut_file.txt"
结巴完成之后保存数据。
进行word2vec数据的训练，把完成保存，数据类型为.bin（二进制文件）（可以新建一个文本文件，打开，另存为，设置为.bin格式）
对训练完成的数据进行使用。
gensim.models.KeyedVectors.load_word2vec_format("C:\\Users\\Administrator\\data_ci.bin",binary = True)
这里需要注意的是：原先的word2vec.Word2Vec("C:\\Users\\Administrator\\data_ci.bin",binary = True)方法已经被弃用。
需要用：gensim.models.KeyedVectors.load_word2vec_format方法。
最后，使用
model.most_similar（"需要查找的关键词"，topn=n） n为查找几个 与需要查找的关键词 相关的匹配度。
---------------------
作者：不要怂，就是干
来源：CSDN
原文：https://blog.csdn.net/weixin_42013825/article/details/87900469
版权声明：本文为博主原创文章，转载请附上博文链接！
