使用python和scikit学习SVM和word2vec的文本分类

Question

我想训练SVM将2个给定的文本序列分类为语义上相等（1）或不相等（0）。我想使用googles预训练的word2vec模型用它的矢量表示来替换2个文本序列中的每个单词。然后，我想使用这些矢量表示作为训练SVM的特征。我意识到我可以很容易地计算余弦距离（例如）并使用这一个值作为特征。但是我想使用矢量表示本身。

SVM的功能输入是一个嵌套列表，如下所示：

最内部列表（黑色）是每个单词的向量表示。在文本序列中（绿色列表）。然后，每个蓝色列表是2个文本序列的矢量表示，使每个蓝色列表成为我想用来训练SVM的特征。由于尺寸不相等，当我想要适合SVM时，我得到一个错误：“ValueError：设置一个带有序列的数组元素”。 有没有办法可以使用这些功能来训练SVM，还是scikit学习不允许这种格式作为输入？