【发布时间】：2017-06-11 22:32:22
【问题描述】：
我正计划构建一个性别分类器。我知道两个流行的模型是 tf-idf 和 word2vec。 tf-idf 侧重于单词在文档中的重要性和文档的相似性，而 word2vec 更侧重于单词之间的关系以及它们之间的相似性。
但是，似乎没有一个主题非常适合构建用于性别分类的矢量特征。是否有其他可能适合此任务的替代矢量化模型？
【问题讨论】：
标签： python nlp tf-idf word2vec
【发布时间】：2017-06-11 22:32:22
【问题描述】：
是的，w2v 还有另一种选择：GloVe。
GloVe 代表全局向量嵌入。 作为以前使用过这种技术并取得良好效果的人，我会推荐 GloVe。
GloVe 不仅通过查看局部窗口而且考虑更大的宽度（30+ 大小）来优化训练神经词嵌入，从而将更深层次的语义嵌入到嵌入中。
使用 glove，可以很容易地对关系建模，例如：X[man] - X[woman] = X[king] - X[queen]，其中这些都是向量。
致谢：GloVe GitHub 页面（链接如下）。
您可以训练自己的 GloVe 嵌入，也可以使用他们重新训练的可用模型。即使对于特定领域，通用模型似乎也能很好地工作，尽管如果你自己训练它们，你会从模型中得到更多。请查看 GitHub 页面以获取有关如何训练自己的模型的说明。这很容易。
补充阅读：
【讨论】：
-
一个问题。 GloVe 是否支持印地语？是否有任何预训练模型包含印地语数据？
-
@Djokester 如果你说的是用英语写的印地语，那么我相信它会支持这一点。但是，实际的印地语脚本？不能说。我以前从未尝试过。值得一试。此外，据我所知，不存在预训练的印地语模型。
-
是否有用于 GloVe 的 Python 包？我没有遇到可靠的。
-
这里是one，但除了原版我不会发誓。
-
酷。一切顺利。