Word2Vec，most_similar（word1）在不同的运行中返回相同的输出

Question

我正在做一个小实验，我有2000条推文作为我的输入文档。我在这个输入推文上训练word2vec，然后找到与特定单词最相似的前10个单词 - w1。

我担心的是，如果我运行word2vec 10次（使用相同的参数）并检查前10个最相似的单词w1，给我相同的单词集（权重也相同）。

现在AFAIK word2vec在开始时初始化随机权重，那么为什么它在不同的运行中给我相同的输出呢？

Answer 1

如documentation中所述，gensim的word2vec的默认seed设置为1。对于不同的输出，请尝试改变种子变量

from gensim.models.word2vec import Word2Vec

sentences = ['a quick brown fox jumps over a dog'.split()]
model = Word2Vec(sentences, min_count=1, size=5, seed=1)
print model['fox']

Out: array([ 0.0629408 ,  0.07386301, -0.00788937, -0.09287976,  0.05859811], dtype=float32)

model = Word2Vec(sentences, min_count=1, size=5, seed=2)
print model['fox']

Out: array([-0.05617044,  0.00294411, -0.09557492,  0.02923537, -0.08322554], dtype=float32)