标题：支持兴趣点数据(POI)的空间语义分析工具 Google Word2Vec
简介
- Google的Word2Vec是一种经典的语言模型，它从大量文本语料中以无监督学习的方式学习语义知识，把非结构化的词转换为结构化的向量。
- 我们在Google公布的源代码基础上进行了修改并封装，可用于将兴趣点数据（POI）向量化，以便于进一步的分析。
- 该程序支持中文，修复了源代码中存在的一些错误。
- 如需详细了解该模型，请参考Google的公布的官方资料：https://code.google.com/archive/p/word2vec/
程序运行环境需求（必须）
- Windows 8/10/11 (32/64位)
- Microsoft Visual C++ 2010 Redistributable 及以上
程序使用方法
- 程序为控制台程序，通过批处理文件run.bat文件设置参数与执行。
- 解压word2vec_exe文件夹后，首先使用文本编辑器打开run.bat，对Word2vec_Vs2010.exe后的参数进行修改，参数具体设置附后。
- 保存后，运行run.bat即可开始训练。
- 本程序自带一个数据样例questions-words.txt（data文件夹下），相关参数已配置好，可以直接运行run.bat进行测试。
程序参数设置
参数总览：
Word2Vec_Vs2010.exe -train -output -size -window -sample -hs -negative -min-count -alpha -cbow -iter -binary
各参数说明：
-trian: 指定训练数据文件
格式为一行表示一篇文档，可参考data文件夹中的questions-words.txt，每行中每个词用空格隔开，例如：
Athens Greece Baghdad Iraq …
Athens Greece Bangkok Thailand …
Athens Greece Beijing China …
-output: 指定训练得到的词向量文件的输出位置
可参考data文件夹中的vec.txt，首行的两个数字表示总共的词数以及向量维数，其余每一行表示的是一个词的词向量，形式为“词 词向量”，用空格隔开，例如：
California 0.395242 -0.514422 1.130360 …
Texas 0.298822 -0.469757 1.172753 …
Florida 0.228366 -0.359737 1.018904 …
-size: 输出结果的向量维数
-window: 上下文窗口大小，默认值是5
-sample: 高频词亚采样的阈值
-hs: 是否采用层次softmax
-negative: 每个词进行negative sampling的次数
-min-count: 被截断的低频词阈值
-alpha: 开始的learning rate
-cbow: 是否使用使用CBOW算法
-iter: 迭代次数
-binary: 输出文件是否为二进制文件
程序对样例数据（questions-words.txt）配置的默认参数：
-train ./data/questions-words.txt -output ./data/vec.txt -size 100 -window 5 -sample 1e-4 -negative 1 -hs 0 -binary 0 -cbow 1 -iter 20 -min-count 1
程序下载
论文应用
- Yao Y, Li X, Liu X, et al. Sensing spatial distribution of urban land use by integrating points-of-interest and Google Word2Vec model[J]. International Journal of Geographical Information Science, 2017, 31(4): 825-848.（站外链接，IJGIS）
Q.E.D.