如何存储词向量嵌入？
How to store word vectors embeddings?
我是 NLP 和 Deep Learning 领域的新手，想了解在使用 Word2Vec 对整个语料库进行向量化之后，我是否需要存储词向量值本地？
如果是，我想为 android. 制作一个聊天机器人，有人可以指导我吗？
可以保存word2vec嵌入：
- 在你的深层模型的第一层。这是一种罕见的方法，因为在这种情况下你不能将这个 word2vec 用于其他任务。
- 作为磁盘上的独立文件。对于大多数用例，它是更可行的方法。
我建议使用 gensim 框架来训练 word2vec。在这里您可以了解更多如何训练 word2vec 并将它们保存到磁盘：https://radimrehurek.com/gensim/models/word2vec.html
特别是通过以下方式执行保存：
model = Word2Vec(common_texts, size=100, window=5, min_count=1, workers=4)
model.save("word2vec.model")
聊天机器人的训练是一个更难的问题。我可以尝试向您建议一个可能的工作流程，但您应该澄清您想要哪种类型的聊天机器人？例如。它应该回答任何问题（开放域）吗？它应该生成答案还是只有预定义的答案？
我是 NLP 和 Deep Learning 领域的新手，想了解在使用 Word2Vec 对整个语料库进行向量化之后，我是否需要存储词向量值本地？
如果是，我想为 android. 制作一个聊天机器人，有人可以指导我吗？
可以保存word2vec嵌入：
- 在你的深层模型的第一层。这是一种罕见的方法，因为在这种情况下你不能将这个 word2vec 用于其他任务。
- 作为磁盘上的独立文件。对于大多数用例，它是更可行的方法。
我建议使用 gensim 框架来训练 word2vec。在这里您可以了解更多如何训练 word2vec 并将它们保存到磁盘：https://radimrehurek.com/gensim/models/word2vec.html
特别是通过以下方式执行保存：
model = Word2Vec(common_texts, size=100, window=5, min_count=1, workers=4)
model.save("word2vec.model")
聊天机器人的训练是一个更难的问题。我可以尝试向您建议一个可能的工作流程，但您应该澄清您想要哪种类型的聊天机器人？例如。它应该回答任何问题（开放域）吗？它应该生成答案还是只有预定义的答案？