![使い方
$ (pip install cython)
$ (pip install fasttext)
$ pip install gensim
import gensim
from gensim.models import word2vec
sentences = word2vec.Text8Corpus('hogefuga.wakati.txt')
model = word2vec.Word2Vec(sentences, size=200, window=5, workers=
model.most_similar(positive=['ほげー', 'ふがー'], negative=['ばず'](https://image.slidesharecdn.com/introductionfasttext-170710034851/85/Introduction-fasttext-12-320.jpg)
Introduction fasttext
- 3. Word2Vec ???
- 5. 類似の概念
- 9. Word2Vec の演算 king − man + woman = queen paris − france + japan = tokyo
- 11. 事前準備 https://github.com/facebookresearch/fastText python3, numpy, scipy, cython が使えること => brie/docker‐numpy‐scipy とか使うのが楽 利用するテキスト（日本語だったら分かち書きしてあること） ※ 分かち書きされた文書の準備 mecab ‐Owakati hoge.txt > hoge.wakati.txt
- 13. デモ