在上篇實(shí)現(xiàn)了電影詳情和短評數(shù)據(jù)的抓取。到目前為止，已經(jīng)抓了2000多部電影電視以及20000多的短評數(shù)據(jù)。
數(shù)據(jù)本身沒有規(guī)律和價(jià)值，需要通過分析提煉成知識(shí)才有意義。抱著試試玩的想法，準(zhǔn)備做一個(gè)有關(guān)情感分析方面的統(tǒng)計(jì)，看看這些評論里面的小伙伴都抱著什么態(tài)度來看待自己看過的電影，懷著何種心情寫下的短評。
鑒于爬取的是短評數(shù)據(jù)，少則10來個(gè)字，多則百來個(gè)字，網(wǎng)上查找了下，發(fā)現(xiàn)Google開源的Word2Vec比較合適，于是今天搗鼓了一天，把自己遇到的問題和運(yùn)行的結(jié)果在這里做個(gè)總結(jié)。
Word2Ve是google 推出的做詞嵌入（word embedding）的開源工具。 簡單的說，它在給定的語料庫上訓(xùn)練一個(gè)模型，然后會(huì)輸出所有出現(xiàn)在語料庫上的單詞的向量表示，這個(gè)向量稱為"word embedding"?；谶@個(gè)向量表示，可以計(jì)算詞與詞之間的關(guān)系，例如相似性(同義詞等)，語義關(guān)聯(lián)性（中國 - 北京 = 英國 - 倫敦）等。
算法的原理如果有興趣，可以找資料了解。
這里使用Word2Vec的大致流程如下：
1. 獲取數(shù)據(jù)（這里是豆瓣電影短評數(shù)據(jù)）
