Gensim等同於培訓步驟

Question

gensim Word2Vec是否具有與TensorFlow word2vec示例中的“培訓步驟”等效的選項： Word2Vec Basic ？ 如果不是，gensim使用什么默認值？ gensim參數iter與訓練步驟有關？

TensorFlow腳本包括此部分。

with tf.Session(graph=graph) as session:
    # We must initialize all variables before we use them.
    init.run()
    print('Initialized')

    average_loss = 0
    for step in xrange(num_steps):
        batch_inputs, batch_labels = generate_batch(
            batch_size, num_skips, skip_window)
        feed_dict = {train_inputs: batch_inputs, train_labels: batch_labels}

    # We perform one update step by evaluating the optimizer op (including it
    # in the list of returned values for session.run()
    _, loss_val = session.run([optimizer, loss], feed_dict=feed_dict)
    average_loss += loss_val

    if step % 2000 == 0:
        if step > 0:
            average_loss /= 2000
        # The average loss is an estimate of the loss over the last 2000 batches.
        print('Average loss at step ', step, ': ', average_loss)
        average_loss = 0

    # Note that this is expensive (~20% slowdown if computed every 500 steps)
    if step % 10000 == 0:
        sim = similarity.eval()
        for i in xrange(valid_size):
            valid_word = reverse_dictionary[valid_examples[i]]
            top_k = 8  # number of nearest neighbors
            nearest = (-sim[i, :]).argsort()[1:top_k + 1]
            log_str = 'Nearest to %s:' % valid_word
            for k in xrange(top_k):
                close_word = reverse_dictionary[nearest[k]]
                log_str = '%s %s,' % (log_str, close_word)
            print(log_str)
  final_embeddings = normalized_embeddings.eval()

在TensorFlow示例中，如果我對嵌入執行T-SNE並使用matplotlib進行繪制，則在步驟數較多時，該繪制對我來說看起來更合理。 我正在使用一小部分1200封電子郵件。 看起來更合理的一種方法是將數字聚集在一起。 我想使用gensim達到相同的外觀質量。

Answer 1

是的， Word2Vec類構造函數具有iter參數：

iter =語料庫上的迭代次數（時期）。 默認值為5。

另外，如果你調用Word2Vec.train()直接方法，您可以通過epochs具有相同含義的說法。

實際訓練步驟的數量是根據時期得出的，但取決於其他參數，例如文本大小，窗口大小和批處理大小。 如果您只是想提高嵌入向量的質量，那么增加iter是正確的方法。