如何使用word2vec找到最接近向量的单词

3 回答

• 6

  对于word2vec的gensim实现，有 most_similar() 函数可以让你找到语义上接近给定单词的单词：

  >>> model.most_similar(positive=['woman', 'king'], negative=['man'])
  [('queen', 0.50882536), ...]
  

  或者它的矢量表示：

  >>> your_word_vector = array([-0.00449447, -0.00310097, 0.02421786, ...], dtype=float32)
  >>> model.most_similar(positive=[your_word_vector], topn=1))
  

  其中 topn 定义了所需的返回结果数 .

  然而，我的直觉是函数与你提出的函数完全相同，即计算给定向量和字典中每个其他向量的余弦相似性（效率非常低......）

  回复于 2024-04-20T22:07:24+08:00
• 34

  不要忘记在most_similar函数中添加带有否定词的空数组：

  import numpy as np
  model_word_vector = np.array( my_vector, dtype='f')
  topn = 20;
  most_similar_words = model.most_similar( [ model_word_vector ], [], topn)
  

  回复于 2024-04-20T22:07:24+08:00
• 4

  或者，model.wv . similar_by_vector(vector, topn=10, restrict_vocab=None)也可在 gensim 包中找到 .

  通过向量找出前N个最相似的单词 . 参数：vector（numpy.array） - 要计算相似度的矢量 . topn（{int，False}，optional） - 要返回的前N个相似单词的数量 . 如果topn为False，则similar_by_vector返回相似性得分的向量 . restrict_vocab（int，optional） - 可选的整数，它限制搜索最相似值的向量范围 . 例如，restrict_vocab = 10000只会检查词汇顺序中的前10000个单词向量 . （如果您按降序频率对词汇表进行排序，则这可能有意义 . ）返回：（词，相似性）的序列 . 返回类型：（str，float）列表

  回复于 2024-04-20T22:07:24+08:00