Malayalam word2vec embeddings trained on OpenSubtitles

This dataset contains the subs2vec embeddings for Malayalam, as presented in https://zenodo.org/records/17243814. The embeddings were trained on large-scale subtitle corpora and represent semantic vector spaces derived from naturalistic language use in films and television from the OpenSubtitles 2018 datasets: https://opus.nlpl.eu/OpenSubtitles/corpus/version/OpenSubtitles. 

For this language, we provide all embedding variants explored in the study. Specifically, the dataset includes vectors generated under different combinations of:

Dimensionality: multiple vector sizes (e.g., 100, 200, 300, …)

Window size: varying context windows (e.g., 2, 5, 10, …)

Each file corresponds to a unique configuration (dimension × window size). 

Each file contains the vocabulary for that language (column 1) and then the embedding values (columns 2 through dimension size + 1). 

If you use this dataset, please cite:

Manuscript: https://doi.org/10.5281/zenodo.17243812 

Data: This Zenodo dataset (using the DOI provided here)

本数据集收录了马拉雅拉姆语（Malayalam）的subs2vec词嵌入，相关内容详见https://zenodo.org/records/17243814。该词嵌入基于大规模字幕语料库训练生成，其语义向量空间源自OpenSubtitles 2018数据集收录的影视与剧集自然语言使用语料，相关语料库链接为：https://opus.nlpl.eu/OpenSubtitles/corpus/version/OpenSubtitles。

针对该语言，本数据集提供了研究中探索的全部嵌入变体。具体而言，数据集包含基于以下不同参数组合生成的向量：
维度：多种向量维度尺寸（如100、200、300等）
窗口大小：不同的上下文窗口尺寸（如2、5、10等）

每个文件对应一组唯一的配置组合（维度 × 窗口大小）。

每个文件包含该语言的词汇表（第1列），随后为嵌入值（第2列至第维度尺寸+1列）。

若使用本数据集，请引用以下内容：
手稿：https://doi.org/10.5281/zenodo.17243812
数据集：本Zenodo数据集（使用此处提供的对应DOI）