我正在使用https://github.com/tensorflow/tensorflow/blob/r1.2/tensorflow/examples/tutorials/word2vec/word2vec_basic.py中的 word2vec_basic ，我有一些（一般）问题。
我应该如何确定num_steps？在示例中，它设置为 100001。
askip_window是 5 还是应该更大（10、25）？
此外，是否应该从训练数据集中删除停用词和标点符号，是否应该将所有单词转换为小写？
谢谢。
通常，模型越多num_steps，模型越好。您可以从 的一个值开始num_steps，并将其用作针对不同值的基准。您可以绘制lossvsnum_steps并查看在某个参数阈值之后您的损失是否真的减少了num_steps。
选择skip_window取决于您选择的数据集类型。如果窗口大小为 5 可以捕获单词的上下文，但如果选择 10，则会降低学习模型的质量，反之亦然。
让我们举个例子。考虑以下句子 - “Tensorflow 程序员机器学习的伟大框架”。如果窗口大小为2，那么词' Tensorflow '的向量直接受到词' great '和' framework '的影响，但如果窗口大小为5，则' Tensorflow '可以直接受到多两个词的影响——'为'和'机器学习'。因此，它将拉近两个词的向量。
而且，就停用词而言，我建议删除停用词和标点符号并将单词转换为小写，因为它们会给数据集添加噪音并且对上下文单词没有太大的重要性。
您可以查看此链接以更好地了解 Google 用于训练 word2vec 模型的数据。