我在尝试使用embedding_vector时遇到了AttributeError：

from gensim.models import KeyedVectorsembeddings_dictionary = KeyedVectors.load_word2vec_format('model', binary=True)embedding_matrix = np.zeros((vocab_size, 100))for word, index in tokenizer.word_index.items():    embedding_vector = embeddings_dictionary.get(word)    if embedding_vector is not None:        embedding_matrix[index] = embedding_vector

AttributeError: ‘Word2VecKeyedVectors’ object has no attribute ‘get’

回答：

是的，gensim的KeyedVectors抽象并不提供get()方法。（你参考的文档或示例是哪一个，建议它有这个方法？）

你可以使用标准的Python []索引，例如：

embedding_dictionary[word]

不过，你的循环将每个向量复制到自己的embedding_matrix中并没有实际的理由。KeyedVectors实例已经有一个原始数组，每个向量按行排列，按照KeyedVectors的.index2entity列表的顺序 – 在其vectors属性中：

embedding_dictionary.vectors