我使用gensim的Word2Vec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：
将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。
