3D云展平台让普通画手也能拥有自己的3D虚拟互动作品展-CFANZ编程社区

>- **🍨 本文为[🔗365天深度学习训练营](https://mp.weixin.qq.com/s/rbOOmire8OocQ90QM78DRA) 中的学习记录博客** >- **🍖
原作者：[K同学啊 | 接辅导、项目定制](https://mtyjkh.blog.csdn.net/)**

一、准备工作
1. 安装Gensim库
使用pip进行安装：

pip install --upgrade gensim

2. 对原始语料分词
选择《人民的名义》的小说原文作为语料，先采用jieba进行分词。

import jieba
import jieba.analyse
jieba.suggest_freq('沙瑞金',True)#加入一些词，使得jieba分词准确率更高
jieba.suggest_freq('田国富',True)
jieba.suggest_freq('高育良',True)
jieba.suggest_freq('侯亮平',True)
jieba.suggest_freq('钟小艾',True)
jieba.suggest_freq('陈岩石',True)
jieba.suggest_freq('欧阳菁',True)
jieba.suggest_freq('易学习',True)
jieba.suggest_freq('王大路',True)
jieba.suggest_freq('蔡成功',True)
jieba.suggest_freq('孙连城',True)
jieba.suggest_freq('季昌明',True)
jieba.suggest_freq('丁义珍',True)
jieba.suggest_freq('郑西坡',True)
jieba.suggest_freq('赵东来',True)
jieba.suggest_freq('高小琴',True)
jieba.suggest_freq('赵瑞龙',True)
jieba.suggest_freq('林华华',True)
jieba.suggest_freq('陆亦可',True)
jieba.suggest_freq('刘新建',True)
jieba.suggest_freq('刘庆祝',True)
jieba.suggest_freq('赵德汉',True)
with open('./data/in_the_name_of_people.txt', encoding='utf-8')as f:
    result_cut = []
    lines = f.readlines()
    for line in lines:
        result_cut.append(list(jieba.cut(line)))
f.close()

#添加自定义停用词
stopwords_list = [",","。","\n","\u3000","",":","!","?","…"]
def remove_stopwords(ls):  #去除停用词
    return [word for word in ls if word not in stopwords_list]

result_stop=[remove_stopwords(x)for x in result_cut if remove_stopwords(x)]

print(result_stop[100:103])


from gensim.models import Word2Vec
model =Word2Vec(result_stop,#用于训练的语料数据
                vector_size=100,#是指特征向量的维度，默认为100。一个句子中当前单词和被预测单词的最大距离。
                window=5,min_count=1)#可以对字典做截断.词频少于min_count次数的单词会被丢弃掉，

#计算两个词的相似度
print(model.wv.similarity('沙瑞金','季昌明'))
print(model.wv.similarity('沙瑞金','田国富'))
#选出最相似的5个词
for e in model.wv.most_similar(positive=['沙瑞金'],topn=5):print(e[0],e[1])

odd_word =model.wv.doesnt_match(["苹果","香蕉","橙子","书"])
print(f"在这组词汇中不匹配的词汇：{odd_word}")

word_frequency = model.wv.get_vecattr("沙瑞金", "count")
print(f"沙瑞金: {word_frequency}")

运行分析结果

[[' ', '像是', '为', '他', '的', '思路', '做', '注解', '，', '赵德汉', '咀嚼', '着', '自由', '时光', '里', '的', '最后', '一碗', '炸酱面', '，', '抱怨', '说', '：', '你们', '反贪', '总局', '抓', '贪官', '怎么', '抓到', '我', '这儿', '来', '了', '？', '哎', '，', '有', '几个', '贪官', '住', '这种', '地方', '？', '七层', '老楼', '，', '连', '个', '电梯', '都', '没有', '，', '要是', '贪官', '都', '这', '样子', '，', '老百姓', '得', '放鞭炮', '庆贺', '了', '！', '他', '的', '声音', '被', '面条', '堵', '在', '嗓子眼', '，', '有些', '呜呜', '噜', '噜', '的', ' '], [' ', '是', '，', '是', '，', '老赵', '，', '瞧', '你', '多', '简朴', '啊', '，', '一碗', '炸酱面', '就', '对付', '一顿', '晚饭', ' '], [' ', '赵德汉', '吃', '得', '有滋有味', '：', '农民', '的', '儿子', '嘛', '，', '好', '这', '一口', ' ']]
0.9992292
0.9993775
祁同伟 0.9995309710502625
高育良 0.9994907975196838
肖钢玉 0.9994159936904907
田国富 0.999377429485321
一下 0.99935382604599
在这组词汇中不匹配的词汇：书
沙瑞金: 353

注意事项：打开 in_the_name_of_people 文件时，因为是win10，编码需要注明encoding='utf-8'