我对mysql、gensim和word2vec还很陌生，我还在通过我的个人项目学习如何使用它们。
我有数据，我做网络报废，所以它不是硬编码(我用instagram账号从几个帖子中获取标签数据，所以我的数据是instagram标签）
我试图在下面的代码中使用这些数据：
import pymysql.cursors
import re
from gensim.models import Word2Vec
# Connect to the database
connection = pymysql.connect(host=secrets[0],
user=username,
password=password,
db='test',
charset='charsetExample',
cursorclass=pymysql.cursors.DictCursor)
try:
# connection to database
with connection.cursor() as cursor:
# cursor is iterator / 'Select' - caption is column
# post is the table
cursor.execute("SELECT caption FROM posts LIMIT 1000")
data = cursor.fetchall()
# list of captions
captions = [d['caption'].lower() for d in data]
# hashtags = [re.findall(r"#([A-Za-z_0-9]+)", caption) for caption in captions]
# hashtags = [hashtag for hashtag in hashtags if hashtag != []]
model = Word2Vec(captions, min_count=1)
model = Word2Vec(hashtags)
res = model.wv.most_similar("fitness")
print(captions)
print(res)
finally:
connection.close()这是我正在研究的部分，但不确定如何做：
res = model.wv.most_similar("fitness")现在我想用 most_similar() 方法来查看它是如何工作的。我想做的是 most_similar("value") 我想用我的数据，这将是每一个标签，我通过取消instagram网站的价值。
谢谢您！
1条答案
按热度按时间fzwojiic1#
好的，那么，你必须自己训练word2vec模型。你要做的是确保你的标签实际上没有
#符号和小写。现在，按post对hashtags进行分组。所以，如果某个帖子有标签
#red,#Wine,#party，您应该从中列出一个如下所示的列表：[red, wine, party]. 对每篇文章重复上述步骤，并将每篇文章的列表保存到新列表中。所以这个输出应该是列表列表：[[red, wine, party], [post_2_hashtags], ...]. 现在您可以将其输入到word2vec模型中，并使用以下行对其进行训练：