如何在 CBOW 模式下运行 MLlib 的 word2vec？

Question

我的理解是word2vec可以在两种模式下运行：

• 连续词袋 (CBOW)（词的顺序无关紧要）
• 连续的skip-gram（单词顺序很重要）

我想从 Spark 的 MLlib 运行 CBOW 实现，但从文档和他们的示例中我不清楚如何做到这一点。这是他们页面上列出的示例。

发件人：https://spark.apache.org/docs/2.1.0/mllib-feature-extraction.html#example

import org.apache.spark.mllib.feature.{Word2Vec, Word2VecModel}

val input = sc.textFile("data/mllib/sample_lda_data.txt").map(line => line.split(" ").toSeq)

val word2vec = new Word2Vec()

val model = word2vec.fit(input)

val synonyms = model.findSynonyms("1", 5)

for((synonym, cosineSimilarity) <- synonyms) {
  println(s"$synonym $cosineSimilarity")
}

我的问题：

• 此示例使用两种模式中的哪一种？
• 您知道如何在 CBOW 模式下运行模型吗？

提前致谢！

Answer 1

似乎 MLlib 目前只实现了 skip-gram。

这里是 skip-gram 模型的开放票证/拉取请求：https://issues.apache.org/jira/browse/SPARK-20372