在gensim Word2Vec模型中匹配词和向量

我使用gensimWord2Vec实现计算了一些词嵌入。从我所见,一切进行得相当顺利;现在我正在对创建的词向量进行聚类,希望能得到一些语义分组。

作为下一步,我想查看每个聚类中包含的词(而不是向量)。也就是说,如果我有嵌入向量[x, y, z],我想找出这个向量代表的实际词。我可以通过调用model.vocab获取词/词汇项,通过model.syn0获取词向量。但我找不到这些明确匹配的位置。

这比我预期的要复杂,我觉得我可能错过了明显的做法。任何帮助都将不胜感激!

问题:

Word2Vec()创建的嵌入向量与词匹配 – 我该怎么做?

我的方法:

在创建模型后(下面的代码*),我现在想将在build_vocab()阶段分配给每个词的索引与作为model.syn0输出的向量矩阵匹配。因此

for i in range (0, newmod.syn0.shape[0]): #遍历模型中的所有词    print i    word= [k for k in newmod.vocab if newmod.vocab[k].__dict__['index']==i] #通过索引从内部字典中获取词    wordvector= newmod.syn0[i] #获取对应索引的向量    print wordvector == newmod[word] #测试:比较在模型中查找词的结果 -- 这会打印True
  • 有没有更好的方法来做这件事,例如通过将向量输入模型来匹配词?

  • 这是否能得到正确的结果?

*我创建词向量的代码:

model = Word2Vec(size=1000, min_count=5, workers=4, sg=1)        model.build_vocab(sentencefeeder(folderlist)) #sentencefeeder以字符串列表的形式输出句子model.save("newmodel")

我找到了这个问题,它与此类似但尚未得到解答。


回答:

所以我找到了一种简单的方法来做这件事,其中nmodel是你的模型名称。

#将包含向量和词的两个列表压缩zipped = zip(nmodel.wv.index2word, nmodel.wv.syn0)#生成的列表包含`(word, wordvector)`元组。我们可以使用列表解析提取任何`word`或`vector`的条目(用你要查找的词/向量替换):wordresult = [i for i in zipped if i[0] == word]vecresult = [i for i in zipped if i[1] == vector]

这是基于gensim代码的。对于旧版本的gensim,你可能需要删除模型后的wv

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注