《表6 Word2Vec词向量模型测试词“王飞跃”及前20个关联词》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面向活动的网络媒体监测与建模分析：IVFC案例解析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

Word2Vec是一种可以进行高效率词嵌套学习的预测模型，2013年由Google团队提出[30-31]。Word2Vec词向量可以较好地表达不同词之间的相似和类比关系。本文使用Word2Vec的Skip-Gram模型在TensorFlow下实现IVFC相关数据的Word2Vec词向量的训练，初始词向量维度设定为300维。本文选取“王飞跃”作为测试词进行语义效果测试，使用余弦相似度计算测试词与其他词的语义距离，本文取前20个与测试词语最相关的词语及其距离度量值（保留3位小数），结果见表6。