Chinese-Word2vec-Medicine/readme.md

Chinese-Word2vec-Medicine

中文生物医学词向量，可能是目前唯一一个医学领域的中文词向量。

之前需要做医学相关的课题，要用医学相关的词向量，可惜一直找不到，只好自己来做了。

为了完成这个医学词向量，花了几天时间找了各种医学生物语料库和相关数据集并对其整理。整体语料库包括医学文献，医患对话，维基百科百度知道等医学相关问题，整体语料库共计1.6G,总共7052948句子，仅为生物医学领域相关语料。

已上传至百度网盘 欢迎使用

https://pan.baidu.com/s/1YqTOlDqZ3bTzGYAGMxW2Cw

提取码：8888

词向量对比

医学词向量

wv1.most_similar('海马') Out[30]: [('额叶', 0.4515002965927124), ('颞叶', 0.4498691260814667), ('枕叶', 0.38755619525909424), ('顶叶', 0.386254221200943), ('基底节', 0.381935179233551), ('岛叶', 0.35826876759529114), ('苍白球', 0.33769935369491577), ('尾状核', 0.33755943179130554), ('大脑半球', 0.33359262347221375), ('额页', 0.32096001505851746)]

通用词向量(https://github.com/Embedding/Chinese-Word-Vectors)

wv2.most_similar('海马') Out[31]:

[('海马牌', 0.6078361868858337),

('海马齿', 0.5532827377319336),

('普力马', 0.5418268442153931),

('马自达', 0.5407805442810059),

('东南汽车', 0.5387718677520752),

('000572', 0.5375587344169617),

('宝骏', 0.5361850261688232),

('海马回', 0.5352568030357361),

('北汽', 0.5325318574905396),

('小海马', 0.5315144062042236)]

此医学词向量含278256个生物医学相关词汇，维度512，使用gensim训练。

model = word2vec.Word2Vec(sent, sg=0, epochs=8,vector_size=512,  window=5,  min_count=4,  negative=3, sample=0.001, hs=1, workers=16)

想要使用只需要通过 gensim.models.KeyedVectors加载使用即可。

model = KeyedVectors.load_word2vec_format('Medical.txt', binary=False)