Java 类名：com.alibaba.alink.operator.batch.nlp.Word2VecTrainBatchOp
Python 类名：Word2VecTrainBatchOp

功能介绍

Word2Vec是Google在2013年开源的一个将词表转为向量的算法，其利用神经网络，可以通过训练，将词映射到K维度空间向量，甚至对于表示词的向量进行操作还能和语义相对应，由于其简单和高效引起了很多人的关注。
Word2Vec的工具包相关链接：https://code.google.com/p/word2vec/

参数说明

| 名称 | 中文名称 | 描述 | 类型 | 是否必须？ | 取值范围 | 默认值 | | —- | —- | —- | —- | —- | —- | —- |

| selectedCol | 选中的列名 | 计算列对应的列名 | String | ✓ | 所选列类型为 [STRING] | |

| alpha | 学习率 | 学习率 | Double | | | 0.025 |

| minCount | 最小词频 | 最小词频 | Integer | | | 5 |

| numIter | 迭代次数 | 迭代次数，默认为1。 | Integer | | | 1 |

| randomWindow | 是否使用随机窗口 | 是否使用随机窗口，默认使用 | String | | | “true” |

| vectorSize | embedding的向量长度 | embedding的向量长度 | Integer | | [1, +inf) | 100 |

| window | 窗口大小 | 窗口大小 | Integer | | | 5 |

| wordDelimiter | 单词分隔符 | 单词之间的分隔符 | String | | | “ “ |

代码示例

Python 代码

  1. from pyalink.alink import *
  3. import pandas as pd
  5. useLocalEnv(1)
  7. df = pd.DataFrame([
  8.     ["A B C"]
  9. ])
  11. inOp1 = BatchOperator.fromDataframe(df, schemaStr='tokens string')
  12. inOp2 = StreamOperator.fromDataframe(df, schemaStr='tokens string')
  13. train = Word2VecTrainBatchOp().setSelectedCol("tokens").setMinCount(1).setVectorSize(4).linkFrom(inOp1)
  14. predictBatch = Word2VecPredictBatchOp().setSelectedCol("tokens").linkFrom(train, inOp1)
  16. train.lazyPrint(-1)
  17. predictBatch.print()
  19. predictStream = Word2VecPredictStreamOp(train).setSelectedCol("tokens").linkFrom(inOp2)
  20. predictStream.print()
  21. StreamOperator.execute()

Java 代码

  1. import org.apache.flink.types.Row;
  3. import com.alibaba.alink.operator.batch.BatchOperator;
  4. import com.alibaba.alink.operator.batch.nlp.Word2VecPredictBatchOp;
  5. import com.alibaba.alink.operator.batch.nlp.Word2VecTrainBatchOp;
  6. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  7. import com.alibaba.alink.operator.stream.StreamOperator;
  8. import com.alibaba.alink.operator.stream.nlp.Word2VecPredictStreamOp;
  9. import com.alibaba.alink.operator.stream.source.MemSourceStreamOp;
  10. import org.junit.Test;
  12. import java.util.Arrays;
  13. import java.util.List;
  15. public class Word2VecTrainBatchOpTest {
  16.     @Test
  17.     public void testWord2VecTrainBatchOp() throws Exception {
  18.         List <Row> df = Arrays.asList(
  19.             Row.of("A B C")
  20.         );
  21.         BatchOperator <?> inOp1 = new MemSourceBatchOp(df, "tokens string");
  22.         StreamOperator <?> inOp2 = new MemSourceStreamOp(df, "tokens string");
  23.         BatchOperator <?> train = new Word2VecTrainBatchOp().setSelectedCol("tokens").setMinCount(1).setVectorSize(4)
  24.             .linkFrom(inOp1);
  25.         BatchOperator <?> predictBatch = new Word2VecPredictBatchOp().setSelectedCol("tokens").linkFrom(train, inOp1);
  26.         train.lazyPrint(-1);
  27.         predictBatch.print();
  28.         StreamOperator <?> predictStream = new Word2VecPredictStreamOp(train).setSelectedCol("tokens").linkFrom(inOp2);
  29.         predictStream.print();
  30.         StreamOperator.execute();
  31.     }
  32. }

运行结果

模型结果

| word | vec | | —- | —- |

| A | 0.7308596353097189 0.8314177144978963 0.24043567184236792 0.6063183430688116 |

| C | 0.7309068666584959 0.10053389527357781 0.41008241284786995 0.40747231850240395 |

| B | 0.7311470683768729 0.29342648043578945 0.9014165072579701 0.0041863689268244915 |

批预测结果

| tokens | | —- |

| 0.7309711901150291 0.40845936340242117 0.5173115306494026 0.33932567683268 |

流预测结果

| tokens | | —- |

| 0.7309691109963297 0.4083920636901659 0.5173538721894075 0.3392825036669853 |