nlp_word2vec component load word2vec from file.

[zqhZY]

用不同工具（如fasttext / gensim）训练word2vec保存的词向量结果格式不同， “nlp_word2vec”模块是否需要统一一个word2vec文件的存储方式？

[crownpku]

我觉得应该是加一个参数, embedding_type="gensim"/"fasttext"，因为用户有可能有不同的两种预训练词向量。 当前版本我们先实现word2vec的吧！

[zqhZY]

gensim: models.keyedvectors – Store and query word vectors， Common code independent of the way the vectors are trained(Word2Vec, FastText, WordRank, VarEmbed etc)

[crownpku]

@zqhZY 所以对于已有词向量的存储和使用，只需要gensim一个包就够了对吧。用户要自己训练词向量的话，还是要用word2vec或者fasttext这些工具？

[zqhZY]

只需要gensim一个包就够, 可以适应大多数的工具生成的word2vec，已经提了一个request，辛苦review一下

[befeng]

这个地方我还有一个问题，如果我们用的包太杂，其结果我们需要维护很多依赖库，这个怎么处理。

[crownpku]

第一个是要做lazy import，即pipeline里某个模块某个函数用到了再去import相应的包。 另外对于常用包要及时写到requirements.txt里面 最后docker环境搭建的时候也会把依赖包一并打包进去的。