如何在 Java 中实现 Word2Vec？

Question

我在 Ubuntu 笔记本电脑上使用本教程安装了 word2Vec。 为了在 Java 中实现 word2Vec 向量，是否完全有必要安装DL4J ？ 我很习惯在 Eclipse 中工作，但我不确定我是否需要 DL4J 希望我安装的所有其他先决条件。

理想情况下，有一种非常简单的方法可以让我只使用我已经编写的 Java 代码（在 Eclipse 中）并更改几行——这样我正在做的单词查找将检索 word2Vec 向量而不是我正在使用的当前检索过程。

---

另外，我已经考虑过使用 GloVe，但是，我没有 MatLab。 是否可以在没有 MatLab 的情况下使用 GloVe？ （因此，我在安装时遇到错误）。 如果是这样，与上述相同的问题是......我不知道如何在 Java 中实现它。

Answer 1

是什么阻止您以文本格式保存 word2vec（C 程序）输出，然后使用一段 Java 代码读取文件并将向量加载到由单词字符串键控的哈希图中？

一些代码片段：

// Class to store a hashmap of wordvecs
public class WordVecs {

    HashMap<String, WordVec> wordvecmap;
    ....
    void loadFromTextFile() {
        String wordvecFile = prop.getProperty("wordvecs.vecfile");
        wordvecmap = new HashMap();
        try (FileReader fr = new FileReader(wordvecFile);
            BufferedReader br = new BufferedReader(fr)) {
            String line;

            while ((line = br.readLine()) != null) {
                WordVec wv = new WordVec(line);
                wordvecmap.put(wv.word, wv);
            }
        }
        catch (Exception ex) { ex.printStackTrace(); }        
    }
    ....
}

// class for each wordvec
public class WordVec implements Comparable<WordVec> {
    public WordVec(String line) {
        String[] tokens = line.split("\\s+");
        word = tokens[0];
        vec = new float[tokens.length-1];
        for (int i = 1; i < tokens.length; i++)
            vec[i-1] = Float.parseFloat(tokens[i]);
        norm = getNorm();
    }
    ....
}

如果要获得给定单词的最近邻，可以保留与每个 WordVec 对象关联的 N 个最近的预计算邻的列表。

Answer 2

DL4j作者在这里。 我们的 word2vec 实现面向需要自定义管道的人。 我不怪你在这里走简单的路线。

我们的 word2vec 实现是为了当你想用它们做一些事情而不是搞乱时。 c word2vec 格式非常简单。

如果您愿意，这里是 java 中的解析逻辑： https : //github.com/deeplearning4j/deeplearning4j/blob/374609b2672e97737b9eb3ba12ee62fab6cfee55/deeplearning4j-scaleout/deeplearning4j-nlp/orgingedembedmodels/java加载程序/WordVectorSerializer.java#L113

希望那有所帮助