我有一个word2vec模型，假设我使用的是google-news-300模型
import gensim.downloader as apiword2vec_model300 = api.load('word2vec-google-news-300')我想找出与“AI”或“人工智能”相似的词语，所以我想写
word2vec_model300.most_similar("artifical intelligence")但我得到了错误
KeyError: "word 'artifical intelligence' not in vocabulary"那么，提取双词组相似词的正确方法是什么？
先谢谢了！
回答：
在某种程度上，当一个词标记不在一组固定的词向量中时，该词向量集的创建者选择不训练/建模该词。因此，你所做的任何事情都只是对其缺失的粗略解决方法。
请注意，当谷歌准备这些向量时——基于2012年前的新闻文章数据集——他们还对其进行了一些统计多词组合，创建了用连接字符_连接的多词组合。所以，首先检查是否存在'artificial_intelligence'的向量。
如果没有，你可以尝试其他粗略的解决方法，比如将'artificial'和'intelligence'的向量平均起来——当然，这并不能真正代表人们对这两个词的特定组合的含义，只是由独立的词所暗示的含义。
Gensim的.most_similar()方法可以接受通过平均等操作创建的原始向量，或者甚至可以通过其明确的关键字positive参数接受多个词的列表，这些词它会为你平均。例如：
word2vec_model300.most_similar(positive=[average_vector])…或者…
word2vec_model300.most_similar(positive=['artificial', 'intelligence'])最后，虽然谷歌的老向量很方便，但它们现在有点过时了，且来自特定领域（流行新闻文章），其中词义可能与其他领域（或最近的）不匹配。所以，你可能需要寻找替代向量，或者如果你有来自你感兴趣领域的足够数据来训练你自己的向量，以获得适当的含义——包括为你选择在数据中标记的任何特定多词组合的向量。
