scikit-learn - 如何在从 gensim 创建的 word2vec 上运行 tsne？

Question

我想可视化从 gensim 库创建的 word2vec。我试过 sklearn，但似乎我需要安装一个开发者版本才能获得它。我尝试安装开发人员版本，但这在我的机器上不起作用。是否可以修改此代码以可视化 word2vec 模型？

tsne_python

Answer 1

您不需要 scikit-learn 的开发者版本 - 只需 install scikit-learn通常通过 pip 或 conda 的方式。

要访问 word2vec 创建的词向量，只需使用单词词典作为模型的索引:

X = model[model.wv.vocab]

以下是一个简单但完整的代码示例，它加载一些新闻组数据，应用非常基本的数据准备(清理和分解句子)，训练 word2vec 模型，使用 t-SNE 降低维度，并可视化输出。

from gensim.models.word2vec import Word2Vec
from sklearn.manifold import TSNE
from sklearn.datasets import fetch_20newsgroups
import re
import matplotlib.pyplot as plt

# download example data ( may take a while)
train = fetch_20newsgroups()

def clean(text):
    """Remove posting header, split by sentences and words, keep only letters"""
    lines = re.split('[?!.:]\s', re.sub('^.*Lines: \d+', '', re.sub('\n', ' ', text)))
    return [re.sub('[^a-zA-Z]', ' ', line).lower().split() for line in lines]

sentences = [line for text in train.data for line in clean(text)]

model = Word2Vec(sentences, workers=4, size=100, min_count=50, window=10, sample=1e-3)

print (model.wv.most_similar('memory'))

X = model.wv[model.wv.vocab]

tsne = TSNE(n_components=2)
X_tsne = tsne.fit_transform(X)

plt.scatter(X_tsne[:, 0], X_tsne[:, 1])
plt.show()