如何在 Java 中實現 Word2Vec？

Question

我在 Ubuntu 筆記本電腦上使用本教程安裝了 word2Vec。 為了在 Java 中實現 word2Vec 向量，是否完全有必要安裝DL4J ？ 我很習慣在 Eclipse 中工作，但我不確定我是否需要 DL4J 希望我安裝的所有其他先決條件。

理想情況下，有一種非常簡單的方法可以讓我只使用我已經編寫的 Java 代碼（在 Eclipse 中）並更改幾行——這樣我正在做的單詞查找將檢索 word2Vec 向量而不是我正在使用的當前檢索過程。

---

另外，我已經考慮過使用 GloVe，但是，我沒有 MatLab。 是否可以在沒有 MatLab 的情況下使用 GloVe？ （因此，我在安裝時遇到錯誤）。 如果是這樣，與上述相同的問題是......我不知道如何在 Java 中實現它。

Answer 1

是什么阻止您以文本格式保存 word2vec（C 程序）輸出，然后使用一段 Java 代碼讀取文件並將向量加載到由單詞字符串鍵控的哈希圖中？

一些代碼片段：

// 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();
    }
    ....
}

如果要獲得給定單詞的最近鄰，可以保留與每個 WordVec 對象關聯的 N 個最近的預計算鄰的列表。

Answer 2

DL4j作者在這里。 我們的 word2vec 實現面向需要自定義管道的人。 我不怪你在這里走簡單的路線。

我們的 word2vec 實現是為了當你想用它們做一些事情而不是搞亂時。 c word2vec 格式非常簡單。

如果您願意，這里是 java 中的解析邏輯： https : //github.com/deeplearning4j/deeplearning4j/blob/374609b2672e97737b9eb3ba12ee62fab6cfee55/deeplearning4j-scaleout/deeplearning4j-nlp/orgingedembedmodels/java加載程序/WordVectorSerializer.java#L113

希望那有所幫助