Question

我在python中使用gensim word2vec包。我知道如何从训练有素的模型中获取词汇。但是如何在词汇表中为每个单词计算单词？

Answer 1

词汇表中的每个单词都有一个关联的词汇表对象，其中包含索引和计数。

vocab_obj = w2v.vocab["word"]
vocab_obj.count

google news w2v型号的输出：2998437

因此，要获得每个单词的计数，您将迭代词汇表中的所有单词和词汇对象。

for word, vocab_obj in w2v.vocab.items():
  #Do something with vocab_obj.count

Answer 2

当您要创建单词词典以方便以后检索时，可以按照以下步骤进行操作：

w2c = dict()
for item in model.wv.vocab:
    w2c[item]=model.wv.vocab[item].count

如果要对其进行排序以查看模型中最常用的单词，也可以这样做：

w2cSorted=dict(sorted(w2c.items(), key=lambda x: x[1],reverse=True))

Answer 3

从 Gensim 4.0.0 中的 KeyedVector 中删除了 vocab 属性。

相反：

word2vec_model.wv.get_vecattr("my-word", "count")  # returns count of "my-word"
len(word2vec_model.wv)  # returns size of the vocabulary