最近想訓(xùn)練專(zhuān)業(yè)領(lǐng)域的語(yǔ)料庫(kù)，深度學(xué)習(xí)領(lǐng)域python的版本較多，國(guó)內(nèi)普遍使用gensim來(lái)訓(xùn)練，而word2vec是Google提出的，Tensorflow上有例子實(shí)現(xiàn)。最近tensorflow越來(lái)越流行，所以考慮采用tensorflow來(lái)訓(xùn)練，可能能達(dá)到更快的訓(xùn)練速度，在技術(shù)方案上更符合主流。經(jīng)過(guò)一周的實(shí)驗(yàn)，發(fā)現(xiàn)效果不如人意。具體如下：
-網(wǎng)上評(píng)估gensim的效果比tensorflow好很多。原文鏈接
-沒(méi)有找到tensorflow運(yùn)行windows上的word2vec說(shuō)明，word2vec_basic運(yùn)行沒(méi)有問(wèn)題，但高級(jí)版需要編譯op。
-沒(méi)有找到tensorflow上word2vec版本中的questions_words.txt中文方面的具體應(yīng)用。
上述情況說(shuō)明gensim在文本訓(xùn)練的難易程度、準(zhǔn)確率方面比tensorflow示范程序里面介紹的方法好多了。但國(guó)內(nèi)沒(méi)有找到具體的原因，最后在stackoverflow.com上找到了一篇文章，詳細(xì)說(shuō)明了可能的原因，讓我徹底放棄了tensorflow上實(shí)現(xiàn)word2vec的想法。
經(jīng)過(guò)實(shí)際測(cè)試, gensim通過(guò)Cpython來(lái)實(shí)現(xiàn)底層算法，速度很快，簡(jiǎn)單易用。