Cómo entrenar Word2Vec en un conjunto de datos personalizado

Primero debe convertir todos sus datos a secuencia de texto.

1. Conversión de PDF a texto:
   ———————————————————-
   Muchos de nosotros podemos encontrar el mismo problema cuando necesitamos extraer datos de cualquier formato de archivo de propósito general como (* .pdf, *. Doc, *. Docx, *. Docm, etc.) en python
   
   Guía paso por paso
   Paquete de Python enriquecido disponible que admite extracción de texto: textract

   Hay dos formas principales de usar textract. Desde la línea de comando, simplemente llama a textract en cualquier archivo en particular como este:

   : ~ $ textract input_doc.doc> output_file.text

   • Dado lo éticamente y empáticamente incompetentes que son los humanos, ¿cuándo comenzaremos a entrenar el aprendizaje automático en grandes conjuntos de datos de decisiones éticas?
   • ¿Cómo funciona la red de propuestas regionales (RPN) en Faster R-CNN?
   • ¿Cuál es el potencial empresarial del aprendizaje automático / inteligencia artificial?
   • ¿Cómo se usa el aprendizaje automático en la generación de preguntas?
   • Cómo encontrar grupos en estos datos

   Como el paquete está escrito en python, también puede obtener el texto dentro de sus scripts de python de esta manera:

   # Código Python

   importar texto
   text = textract.process (document.local_file_path)
   my_string = (text.decode (‘unicode_escape’). encode (‘ascii’, ‘ignore’))
   return unicode (” .join (my_string.split ()))
   # Eliminar todos los espacios en blanco intermedios no deseados
   # [GitHub] https://github.com/deanmalmgren/textract

2. Alimentación a funciones gensim para word2vec
   Siga este tutorial de gensim paso a paso para generar el modelo word2vec

En caso de cualquier dificultad en la implementación, no dude en comunicarse conmigo.