如果我的标题不正确/可以更好，请告诉我。

我一直在试图找到一篇现有的论文/文章来描述我遇到的问题：我想为单词创建向量，使它们等于其各个部分的总和。例如：红雀（这种鸟）将等于以下向量的总和：红色、鸟，并且仅限于此。为了训练这样的模型，输入可能是像字典这样的东西，其中每个单词都由其属性定义。类似于：

红雀：鸟，红色，….

蓝鸟：蓝色，鸟，….

鸟：温血动物，翅膀，喙，两只眼睛，爪子….

翅膀：骨头，羽毛….

所以在这种情况下，每个单词向量等于其各个部分的单词向量的总和，依此类推。

我理解在原始的word2vec中，语义距离被保留，例如Vec(马德里)-Vec(西班牙)+Vec(巴黎) ≈ Vec(巴黎)。

谢谢！

附注：另外，如果可能的话，应该能够在以后添加新单词。

回答：

如果你打算构建一个你想要的组件字典，你根本不需要word2vec。你已经定义了你想要指定的维度：只需使用它们，例如在Python中：

kb = {"wings": {"bone", "feather"},       "bird":  {"wings", "warm-blooded", ...}, ...}

由于值是集合，你可以进行集合交集操作：

kb["bird"] | kb["reptile"]

你需要找到一些方法来递归地分解元素以进行比较、简化等。这些都是你需要根据预期操作时会发生什么来做出的决定。

这种手动字典开发是一种相当老式的做法。像Schank和Abelson这样的人在1970年代就做过类似的事情。问题是，随着这些字典变得越来越复杂，它们变得难以维护，并且在近似中变得更加不准确。你可以作为练习尝试——这可能会很有趣！——但要保持低期望值。

你还会发现这种分解中会丢失一些意义。word2vec的一个显著特性是它对单词的整体感知敏感——单词的意义可能是由各个部分组成的，但这种组合中有一部分使得整体大于部分之和。在分解中，这种整体感知会丢失。

与其试图构建一个字典，你最好还是探索一下W2V从大型语料库中能给你带来什么，并看看你如何利用这些信息来获得优势。W2V从文本中提取的语言学内容尚未完全理解，但在尝试用嵌入做一些具体的事情时，你可能会学到一些关于语言的新东西。