Word2Vec.wv.most_similar（）提供意外结果

Question

我正在使用Word2Vec创建预测性文本python程序，但是在构建准确的Word2Vec模型时遇到了麻烦。

如果相关，我的示例文本为“ Jekyll博士和Hyde先生”。我试过建立带有和不带有停用词的模型，并且都没有给most_like函数提供合理的输出。

def clean_text(text):
         text = text.lower()

         #removing punctuation except for ./!/?
         text = re.sub('[^\w\s.!?]', '', text)

         return(text)

text = open("book.txt")
text = text.read()
text = clean_text(text)

#convert data into nested list of sentences which are lists of words
data = [word_tokenize(sentence) for  sentence in sent_tokenize(text)]

#vectorize
word2vec = Word2Vec(data)
embed()

一旦嵌入启动控制台，我将使用word2vec.wv.most_like（）进行操作，并得到无意义的结果。

例如，“疑问”的最高匹配项是“”。 “ hyde”的最高匹配项是“ as”。对于“ hyde”，我希望它会加上另一个字符的名称，因为我想它们都将以类似的方式使用。