mixed_corpus_bert_base_model.bin

使用CNN和Word2vec进行文本分类 本文是参考gaussic大牛的“ text-classification-cnn-rnn”后，基于同样的数据集，嵌入词级别操作的CNN文本分类实验结果，gaussic大牛是基于字符级的；进行了第二版的更新：1。加入不同的卷积核； 2。加入正则化； 3。词唯一的中文或英文，删除掉文本中数字，符号等类型的词； 4。删除长度为1的词训练结果较第一版有所提升，验证集准确率从96.5％达到97.1％，测试准确率从96.7％达到97.2％。 本实验的主要目是为了探索基于Word2vec训练的词向量嵌入CNN后，对模型的影响，实验结果得到的模型在验证集达到97.1％

关于词向量的理论推导视频，通俗易懂

课题实验

中文词汇分类百度百科词向量

知乎中文词向量

python synonyms中所需的中文词向量文件，下载后请放置于/root/anaconda3/lib/python3.6/site-packages/synonyms/data/words.vector.gz

NPL做词向量

NPL

Win10下Gensim 3.8编译包，能大大提高词向量训练速度。 Python3.7 64位，VS2015编译。 解压后，用python setup.py install命令安装。 多台电脑测试可用。