一个gensim.models.Word2Vec类具有方法predict_output_word()。现在，我使用预先学习的模型，但是将其保存在类gensim.models.KeyedVectors中。有一个类的模拟方法吗？或者如何从gensim.models.KeyedVectors中获取number_sets = 2
for dataset in range(number_sets):
dict_name = ''.join(['dataset_', str(dataset+1)])
globals() [dict_name] = {}
print(dataset_1)
print(dataset_2)
的实例？
我对gensim.models.Word2Vec有所了解。
答案 0 :(得分：0)
KeyedVectors实例只是单词和向量本身，不是完整模型，包括对于训练很重要的内部权重（以及训练过程中做出的内部预测）。
因此，KeyedVectors对象缺少进行预测所需的状态，因此也缺少方法。 （还要注意，该方法的运行成本相对较高，仅适用于负采样模型，并且所得到的结果加权后的结果与训练过程中内部进行的“稀疏”半预测的加权结果完全相同。Word2Vec的意义在于”真正准确的邻居预测，但是使用这种预测尝试来引导具有其他有用属性的向量排列。
如果您要自己训练单词，那么以后需要完整模型功能时，应该保存完整模型。