最近使用word2vec對文字進行向量化表示，然後模仿基於CNN的影象分類實現文字分類。既然是模仿影象，那就應該可以將文字用影象視覺化一下，看看量化後的文字是什麼樣子。

python處理影象的基本模組是Image庫，由於實驗中使用的是python3，需要安裝的影象處理庫為Pillow （pip install Pillow / conda install Pillow）。詞向量模型使用的是gensim的word2vec工具，具體操作見這裡。

#-*-coding=utf-8-*-

from gensim import models
import numpy as np
from PIL import Image

text_width = 10

#load word2vec model
word_vector_size =25
base_model_path = './word_vector_' 
modelpath = base_model_path+str(word_vector_size)
emotion_model = models.Word2Vec.load(modelpath) #載入詞向量模型

#得到字元向量
def getCharVec(char):
	vector = np.zeros(word_vector_size)
	if char in emotion_model:
		vector[0:word_vector_size] = emotion_model[char]
	else: #若詞彙不在詞向量模型中則按正態分佈隨機初始化
		loc,scale = 0,0.5 #均值和標準差
		vector[0:word_vector_size] = np.random.normal(loc,scale,word_vector_size)		
	return vector

#得到句子向量
def getSentenceVec(sentence):
	vectors = np.zeros((text_width,word_vector_size))
	sentence_array = sentence.split(' ')
	for i in range(len(sentence_array)-1):
		vector = getCharVec(sentence_array[i])
		vectors[i] = vector
	return vectors

def drawPic(vectors,savepath):
	img = Image.fromarray(vectors)
	img.save(savepath)

if __name__ == '__main__':
	text1 = '預告片 裡 的 服 化 道 時而 素雅 時而 華貴 曉彤 演繹 的 劉楚玉 演技 提高 很 值得 期待'
	text2 = '這部 劇 的 攝影師 和 剪輯師 是不是 已經 做好 了 隨時 領 盒飯 的 準備 了'

	if len(text1.split())>text_width:
		text_width = len(text1.split())
	if len(text2.split())>text_width:
		text_width = len(text2.split())

	vectors = getSentenceVec(text1)
	print(vectors)
	drawPic(vectors,'./text1.tiff')

	vectors = getSentenceVec(text2)
	print(vectors)
	drawPic(vectors,'./text2.tiff')
 

執行後得到的影象分別為：

text1.tiff

text2.tiff

備註：之所以儲存影象為tiff格式，是因為陣列資料為float型別，直接存為png格式會報錯 can't save mode 'F' image，故參考相關回答將格式改為tiff，執行成功。