我已经使用gensim word2vec构建了自己的Skip-Gram模型。我知道我可以得到两个单词之间的相似性分数，例如model.wv.similarity('car', 'truck') -> 0.75。现在我想知道为什么他们是这样的＆＃34;类似的＆＃34;。
由于Skip-Gram已经使用上下文单词进行了训练，我认为有一种方法可以在car和truck之间共享最常用的上下文单词。另一个例子：如果我有以下句子，我希望将单词slow作为＆＃34;最常见的语境＆＃34;：
the car is slow the truck is slow the car is red 请注意，red不会显示truck，因此不应将其作为＆＃34;最常见的上下文＆＃34 ;.
有没有办法做到这一点？
答案 0 :(得分：1)
gensim Word2Vec模型不存储所有文本或同现统计信息。从本质上讲，训练行为迫使模型太小而无法记住所有此类共现，以便在进行附近文本预测时尽可能地执行。
所以，没有直接的方式来问它＆＃34;给出N附近的单词，什么是最常见的上下文单词＆＃34;。此外，训练的目的是创建恰好在其他方面有用的单词向量，而不是实际创建最佳的邻近单词预测变量。因此，通过接口方法可以获得Word2Vec模型的内部预测很少见 - 例如，来自Google的原始word2vec.c代码没有为此提供接口。 。
在predict_output_word()中有一种新的实验方法gensim，它在某种程度上模拟了给定一些上下文单词的模型预测。但是，它并没有像训练期间那样对上下文单词进行相当大的权重，并且在所有模型模式下都不起作用。尽管如此，它可能会有类似于您原始目标的有用输出，因此请查看：
（如果你真的需要一个精确的报告，说明在你的语料库中的N个其他单词的W个点中最常找到哪些单词，你必须使用其他非Word2Vec代码来构建必要的合作发生查找表，或重新扫描每个查询的语料库。）
答案 1 :(得分：0)
使用gensim，您可以获得给定嵌入的N个最接近的单词。为什么不试图获得＆＃34; car＆＃34;的平均向量？和＆＃34;卡车＆＃34; （[v（car）+ v（货车）] / 2）然后在模型中查询该平均向量的最接近的单词？