參考
word2vec源碼詳解（非Python）
參數解釋
from gensim.models import Word2Vec
#下面的參數均是默認值
Word2Vec(sentences=None, #sentences可以是分詞列表，也可以是大語料
size=100,#特徵向量的維度
alpha=0.025,#學習率
window=5,#一個句子內，當前詞和預測詞之間的最大距離
min_count=5,#最低詞頻
max_vocab_size=None,#
sample=0.001, #隨機下采樣的閾值
seed=1,#隨機數種子
workers=3,#進程數
min_alpha=0.0001,#學習率下降的最小值
sg=0, #訓練算法的選擇，sg=1，採用skip-gram，sg=0，採用CBOW
hs=0,# hs=1,採用hierarchica·softmax，hs=10,採用negative sampling
negative=5,#這個值大於0，使用negative sampling去掉'noise words'的個數（通常設置5-20）；爲0，不使用negative sampling
cbow_mean=1,#爲0，使用詞向量的和，爲1，使用均值；只適用於cbow的情況
iter = 5,#迭代次數
null_word = 0,
trim_rule = None, #裁剪詞彙規則，使用None（會使用最小min_count）
sorted_vocab = 1,#對詞彙降序排序
batch_words = 10000,#訓練時，每一批次的單詞數量
compute_loss = False,
callbacks = ())
size: 對應代碼中layer1_size， 表示詞向量的維度，默認值是100。
train: 對應代碼中train_file， 表示語料庫文件路徑。
save-vocab: 對應代碼中save_vocab_file, 詞彙表保存路徑。
read-vocab: 對應代碼中read_vocab_file， 表示已有的詞彙表文件路徑，直接讀取，不用從語料庫學習得來。
debug: 對應代碼中debug_mode， 表示是否選擇debug模型，值大於1表示開啓，默認是2。開啓debug會打印一些信息。
binary: 對應代碼中全局變量binary，表示文件保存方式，1表示按二進制保存，0表示按文本保存，默認是0.
cbow: 對應代碼中cbow， 1表示按cbow模型訓練， 0表示按skip模式訓練，默認是1。
alpha: 對應代碼中alpha，表示學習率。skip模式下默認爲0.025， cbow模式下默認是0.05。
output: 對應代碼中output_file， 表示詞向量保存路徑。
window: 對應代碼中window，表示訓練窗口大小。默認是5
sample: 對應代碼中sample，表示下采樣閥值。
hs: 對應代碼中hs， 表示按huffman softmax模式訓練。默認是0， 表示不使用hs。
negative: 對應代碼中negative， 表示按負採樣模式訓練， 默認是5。值爲0表示不採用負採樣訓練；如果使用，值一般爲3到10。
threads: 對應代碼中num_threads，訓練線程數，一般爲12。
iter: 對應代碼中iter，訓練迭代次數，默認是5.
min-count: 對應代碼中min_count，表示最小出現頻率，低於這個頻率的詞會被移除詞彙表。默認值是5
classes: 對應代碼中classes，表示聚類中心數， 默認是0， 表示不啓用聚類。
文章一 筆記
構建詞彙庫
先判斷是否已經有處理好現成的詞彙庫，有的話直接讀取，沒有的話再進行訓練。詞彙表訓練過程分爲以下幾個步驟：
- 讀取單詞（假設單詞通過空格或者tab鍵或者EOL鍵進行分割）
- 計算單詞對應hash值
- 通過hash值得到單詞在詞彙表中索引
- 將單詞加入到詞彙表
- 對詞彙表根據詞頻進行降序排序
- 詞彙表裁剪函數（當詞彙表中詞彙量大於一定值時進行裁剪，先裁掉低頻詞，然後再裁掉高頻詞，直到詞彙量滿足要求）
- 保存訓練好的詞彙表
初始化網絡
- 初始化網絡參數
- 構建哈夫曼樹
- 初始化負採樣概率表
模型訓練
結果處理
可以直接保存結果或者用k-means聚類算法分析結果
文章二 筆記
Word2Vec的參數解釋 （使用Gensim訓練Word2vec）
語料庫預處理
原始的訓練語料轉爲sentence迭代器
每一次迭代返回的sentence是一個word（utf8格式）的列表。可以使用Gensim中word2vec.py中的LineSentence()方法實現。
訓練
將上面處理的結果輸入Gensim內建的word2vec對象進行訓練即可
保存
將訓練好的模型保存在文件中。隨後，可以調用load()函數將保存的模型加載進來。