使用结巴分词和word2vec对文本处理

由于项目需要，采集了一些助勃药品或喷剂的商品评论，总的数据量大概是在57W条左右，评论内容大概是这样子的：

性价比很高的，质量很是值得信赖，宝贝非常棒，现在用了这个之后差不多能坚持三十分钟，特别的历害，是正品，有保障，效果真是棒棒达
龙水延时喷剂产品不错，简直666的飞起来了，喷了两就可以干个二三十分钟，硬了很多好多，真的很厉害
延时效果相当的好，每次使用了之后都能做30分钟以上，做的太舒服了，老婆都说用了这个好幸福的
有延时效果极好，每次使用这个延时喷剂，都有40分钟以上，感觉真的超棒的，也是非常的舒服啊！
效果相当好，原来10来分钟，昨天收到货，晚上下班回去，试了下，延时30分钟不是问题
试了下，延时效果不错，物流速度也是好评哈，性价比挺好的
好评！效果很好！持久不麻木
用的非常好，非常感谢店家！

一行数据就是一条评论，使用python结巴分词：

' '.join(jieba.cut(txt))

得到以下结果：

性价比 很 高 的 ， 质量 很 是 值得 信赖 ， 宝贝 非常 棒 ， 现在 用 了 这个 之后 差不多 能 坚持 三十分钟 ， 特别 的 历害 ， 是 正品 ， 有 保障 ， 效果 真是 棒棒 达
龙 水 延时 喷剂 产品 不错 ， 简直 666 的 飞 起来 了 ， 喷 了 两 就 可以 干个 二三十 分钟 ， 硬 了 很多 好多 ， 真的 很 厉害
延时 效果 相当 的 好 ， 每次 使用 了 之后 都 能 做 30 分钟 以上 ， 做 的 太 舒服 了 ， 老婆 都 说 用 了 这个 好 幸福 的
有 延时 效果 极好 ， 每次 使用 这个 延时 喷剂 ， 都 有 40 分钟 以上 ， 感觉 真的 超棒 的 ， 也 是 非常 的 舒服 啊 ！
效果 相当 好 ， 原来 10 来 分钟 ， 昨天 收到 货 ， 晚上 下班 回去 ， 试 了 下 ， 延时 30 分钟 不是 问题
试 了 下 ， 延时 效果 不错 ， 物流 速度 也 是 好评 哈 ， 性价比 挺 好 的
好评 ！ 效果 很 好 ！ 持久 不 麻木
用 的 非常 好 ， 非常感谢 店家 ！

把分词结果保存为utf8格式的文本文件，然后使用word2vec来训练模型：

from gensim.models import word2vec
s=word2vec.Text8Corpus('result.txt')
model=word2vec.Word2Vec(s)#这里使用默认的参数训练

训练完之后主要是用来查看相似的词，如下：

model.most_similar(u'灼热感',topn=20)
#相似词结果列表
#'热感',0.6933082342147827
#'麻麻',0.6547691822052002
#'火辣',0.651293158531189
#'辣辣的',0.651107668876648
#'灼烧',0.6483184099197388
#'刺痛',0.6444294452667236
#'烧',0.643839418888092
#'刺激性',0.6332861185073853
#'火辣辣',0.631696343421936
#'微微',0.6278106570243835
#'麻木感',0.6217052936553955
#'灼热',0.6207054853439331
#'辣感',0.6127525568008423
#'发热',0.6119084358215332
#'起色',0.600088357925415
#'凉爽',0.5898377895355225
#'辣',0.589654803276062
#'点点',0.5883890390396118
#'烧灼感',0.583778977394104
#'热',0.5823389291763306

然后我们再可以根据这些词语做一个词频统计：

灼热感，113
麻麻，730
火辣，69
辣辣的，159
灼烧，73
刺痛，180
刺激性，412
麻木感，2867
灼热，39
辣感，10
发热，518
起色，40
凉爽，73

做出图表可以看出是这样子的：

男性助勃用品使用感受（部分）

从图表上我们可以直观的看出，超过一半以上的评论描述使用后jj表现为麻木感、发热和刺痛。。。
当然，这里的数据和图表仅是部分展示，还并没有做更多的词语挖掘和整理，仅做参考。。。