前段时间把word2vec词向量的用法整理了一下。处理的是二进制文件，二进制文件处理起来是比较快的，但是过程可能比较繁琐。这次整理了一下glove词向量的处理方式，文件是txt格式的。

Glove.txt文件大概是这样子的。图中红框表示的是单词，红框蓝底的是对应的词向量。

对这个文件的处理方式：

1、先读取一行;

2、分离出单词和词向量

3、注意：使用这种方法的前提是词表顺序和glove.txt文件里的单词顺序一致。

4、代码很简单，如下：

• 
  
  def embLayer(input):
  
  
• 
  
      with open('n_GloVe.txt', 'r') as file1:
  
  
• 
  
          emb = []
  
  
• 
  
          vocab = []
  
  
• 
  
          for line in file1.readlines():
  
  
• 
  
              row = line.strip().split(' ')
  
  
• 
  
              vocab.append(row[0])
  
  
• 
  
              emb.append(row[1:])
  
  
• 
  
  
  
  
• 
  
      emb = np.asarray(emb, dtype="float32")
  
  
• 
  
      with tf.variable_scope('embedding'):
  
  
• 
  
          embedding = tf.Variable(emb, name='emb')
  
  
• 
  
          embeding_input = tf.nn.embedding_lookup(embedding, input)
  
  
• 
  
  
  
  
• 
  
          return embeding_input
  
  
  

奈斯