Question

如何将预先训练的fastText向量转换为gensim模型？我需要predict_output_word方法。

导入gensim 从gensim.models导入Word2Vec 从gensim.models.wrappers导入FastText

model_wiki = gensim.models.KeyedVectors.load_word2vec_format（“ wiki.ru.vec”） model3 = Word2Vec（sentences = model_wiki）

TypeError跟踪（最近的呼叫   最后）   ----> 1 model3 = Word2Vec（sentences = model_wiki）＃从语料库训练模型

〜/ anaconda3 / envs / pym / lib / python3.6 / site-packages / gensim / models / word2vec.py   在 init （自身，句子，语料库文件，大小，字母，窗口，   min_count，max_vocab_size，样本，种子，工作者，min_alpha，sg，hs，   负数，ns_exponent，cbow_mean，hashfxn，iter，null_word，trim_rule，   sorted_vocab，batch_words，compute_loss，回调，max_final_vocab）       765个回调=回调，batch_words = batch_words，trim_rule = trim_rule，sg = sg，alpha = alpha，window = window，       766 seed = seed，hs = hs，negative = negative，cbow_mean = cbow_mean，min_alpha = min_alpha，compute_loss = compute_loss，   -> 767 fast_version = FAST_VERSION）       768       第769章谁是我的老公（四更）
〜/ anaconda3 / envs / pym / lib / python3.6 / site-packages / gensim / models / base_any2vec.py   在 init （自我，句子，语料库文件，工作者，vector_size，   时期，回调，batch_words，trim_rule，sg，alpha，窗口，种子，   hs，负数，ns_exponent，cbow_mean，min_alpha，compute_loss，   fast_version，** kwargs）       757提高TypeError（“您不能将生成器作为句子参数。尝试使用迭代器。”）       758   -> 759 self.build_vocab（句子=句子，corpus_file = corpus_file，trim_rule = trim_rule）       760自我训练（       761个句子=句子，corpus_file = corpus_file，total_examples = self.corpus_count，

〜/ anaconda3 / envs / pym / lib / python3.6 / site-packages / gensim / models / base_any2vec.py   在build_vocab（自我，句子，语料库文件，更新，progress_per，   keep_raw_vocab，trim_rule，** kwargs）       934“”“       935 total_words，corpus_count = self.vocabulary.scan_vocab（   -> 936个句子=句子，corpus_file = corpus_file，progress_per = progress_per，trim_rule = trim_rule）       937 self.corpus_count = corpus_count       938 self.corpus_total_words = total_words

〜/ anaconda3 / envs / pym / lib / python3.6 / site-packages / gensim / models / word2vec.py   在scan_vocab（自我，句子，语料库文件，procedure_per，工作者，   trim_rule）1569句子= LineSentence（corpus_file）
  1570   -> 1571 total_words，corpus_count = self._scan_vocab（句子，progress_per，trim_rule）1572 1573   logger.info（

〜/ anaconda3 / envs / pym / lib / python3.6 / site-packages / gensim / models / word2vec.py   在_scan_vocab中（自己，句子，progress_per，trim_rule）1538
  vocab = defaultdict（int）1539checked_string_types = 0   -> 1540表示句子编号，如果未检查，则列举的句子数：1541（如果未选中）_string_types：1542
  如果isinstance（句子，字符串类型）：

〜/ anaconda3 / envs / pym / lib / python3.6 / site-packages / gensim / models / keyedvectors.py   在获取项中（自身，实体）       337返回self.get_vector（entities）       338   -> 339 return vstack（[实体中实体的self.get_vector（entity）]）       340       341 def 包含（（自身，实体）：

TypeError：“ int”对象不可迭代

Answer 1

根据Gensim文档，您可以使用gensim.models.wrappers函数进行以下操作：

从Facebook的本机快速文本加载隐藏输入的权重矩阵 .bin和.vec输出文件

这里是一个例子：

from gensim.models.wrappers import FastText

model = FastText.load_fasttext_format('wiki.vec')

如何将预先训练的fastText向量转换为gensim模型

1 个答案: