我正在使用Word2Vec模型从我的数据中创建一个向量化器。我的数据包含自定义/业务定义的同义词列表，我希望我的NLP模型能够考虑这些同义词。例如，如果”A”是”B”的同义词，那么当我使用Word2Vec查找”A”的同义词时，它应该以100%的匹配度返回”B”。
只要能满足上述要求，我也可以尝试使用其他NLP模型。
回答：
由于你的同义词列表非常小，我建议你先训练你的模型，然后遍历你的同义词列表，在模型中重新分配每个同义词的词向量（并添加训练数据中不存在的任何词）。当然，这会破坏关于学习到的词向量的任何信息，这取决于你的使用场景，可能会成为一个问题。
一些替代方法：
- 将词向量重新分配为其组成同义词的复合体（例如，平均值）。不幸的是，这在你的同义词已经具有相似向量的情况下效果最好，我假设这不是你的情况。一般来说，这可能会丢失更多的语义信息而不是保留的多。
- 将同义词作为重复词添加（即，一个给定的词将有两个向量，一个是从训练数据中推断出来的，另一个等于它的同义词）。这保留了语义关系，但在需要使用可能有同义词的向量进行计算时会产生歧义。这有多大问题取决于你的使用场景。
- 对你的词嵌入应用投影，受某些约束（同义词等同性）。我从未尝试过这种方法，所以我不确定它对你的模型有什么影响，计算难度如何，或者你需要优化什么目标函数。
- 预处理你的文本。是的，这需要一些时间，但如今计算成本低廉。
