資料下載

停用詞下載 : https://github.com/GoatWang/ithome_ironman/tree/master/day16_NLP_Chinese : 點選 stop.txt，按右上的 Raw 按鈕，將所有的資料全選並複製，然後開啟新的文字文件貼上，最後在專案的目錄下儲存成 stop.txt

訓練資料下載 : https://www.kaggle.com/c/fake-news-pair-classification-challenge ，點選Data, 右邊即有train.csv, test.csv, sample_submission.csv 三個檔案

簡体轉繁体

從 kaggle 下載的訓練資料 train.csv 及 test.csv 為簡体中文，所以請先用底下的代碼轉成繁体中文。再執行之前，請將 langconv.py 及 zh_wiki.py 下載到專案中，這二個檔為簡轉繁的主要程式。

向量化

底下程式碼中，先將 train_ts.csv 進行斷詞，再開始向量化，最後偵測跟 “美國” 相近的結果

載入向量模型

因為 train_ts.csv 有 320,767 筆資料，向量化模型要一段時間，還好上面程式碼中已儲存成 “w2v_model_chinese” 檔案，所以下次要使用，可以直接載入進行偵測。