目前使用深度網路進行文字任務模型訓練時，第一步應該是將文字轉為詞向量進行處理。但一般詞向量的效果跟語料的大小有關，而處理任務的語料不足支援我們的實驗，這時就需要使用網上公開的大規模語料訓練詞向量。

1、下載

網上公開的詞向量下載地址：https://github.com/xgli/word2vec-api 
glove的檔案說明如何使用預訓練詞向量，檔案格式如下：每行為一個單詞和其對應的詞向量，以空格分隔。 
glove對應的詞向量，非二進位制檔案 
 
word2vec對應的詞向量，非二進位制檔案 

2、裝載

glove詞向量的裝載

filename = 'glove.6B.50d.txt'
def loadGloVe
 
(filename):
    vocab = []
    embd = []
    vocab.append('unk') #裝載不認識的詞
    embd.append([0]*emb_size) #這個emb_size可能需要指定
    file = open(filename,'r')
    for line in file.readlines():
        row = line.strip().split(' ')
        vocab.append(row[0])
        embd.append(row[1:])
    print('Loaded GloVe!'
 
)
    file.close()
    return vocab,embd
vocab,embd = loadGloVe(filename)
vocab_size = len(vocab)
embedding_dim = len(embd[0])
embedding = np.asarray(embd)

• word2vec詞向量的裝載

def loadWord2Vec(filename):
    vocab = []
    embd = []
    cnt = 0
    fr = open(filename,'r')
    line = fr.readline().decode('utf-8'
 
).strip()
    #print line
    word_dim = int(line.split(' ')[1])    
    vocab.append("unk")
    embd.append([0]*word_dim)
    for line in fr :
        row = line.strip().split(' ')
        vocab.append(row[0])
        embd.append(row[1:])
    print "loaded word2vec"
    fr.close()
    return vocab,embd

vocab,embd = loadGloVe(filename)
vocab_size = len(vocab)
embedding_dim = len(embd[0])
embedding = np.asarray(embd)vocab：為詞表 

embed：為詞的詞向量

3、詞向量層

構建網路時候的詞向量層

W = tf.Variable(tf.constant(0.0, shape=[vocab_size, embedding_dim]),
                trainable=False, name="W")
embedding_placeholder = tf.placeholder(tf.float32, [vocab_size, embedding_dim])
embedding_init = W.assign(embedding_placeholder)

• 在網路結構中宣告詞向量矩陣W

sess.run(embedding_init, feed_dict={embedding_placeholder: embedding})

• 在將embedding傳給網路賦值。

4、詞表

此部分對某些任務不適用，比如對話，序列標註等問題，就是這個內建的函式會自動的過濾掉標點符號，但是標點符號也是一些任務需要的資訊。

tf.nn.embedding_lookup(W, input_x)

該程式碼將輸入對映為詞向量，但input_x為詞的id。因此我們需要將輸入文字對映為詞id序列。

from tensorflow.contrib import learn
#init vocab processor
vocab_processor = learn.preprocessing.VocabularyProcessor(max_document_length)
#fit the vocab from glove
pretrain = vocab_processor.fit(vocab)
#transform inputs
input_x = np.array(list(vocab_processor.transform(your_raw_input)))

• 使用tensorflow自帶的詞處理api進行處理，將詞對映成為詞id，同時會過濾掉標點符號。

目前寫這麼多，當時自己寫的時候，進了很多坑，這次寫的也不詳細，如果有不理解的，歡迎評論交流，或發郵件給我（郵件比較及時）。

原作者裡面是錯的，少考慮了“unk”這種情況。請大家注意。 

轉自https://blog.csdn.net/lxg0807/article/details/72518962