Word2Vec Python相似性

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Word2Vec Python相似性，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1391字，纯文字阅读大概需要2分钟。

内容图文

我用这个代码嵌入了一个单词：

with open("text.txt",'r') as longFile:
        sentences = []
        single= []
        for line in longFile:
            for word in line.split(" "):
                single.append(word)
            sentences.append(single)
    model = Word2Vec(sentences,workers=4, window=5)

我现在要计算两个单词之间的相似度,看看它们的邻居是什么.
model [“ word”],model.wv.most_similar(),model.similar_by_vector()和model.similarity()有什么区别？
我应该使用哪一个？

解决方法:

编辑：也许我们应该在这里标记gensim,因为它是我们正在使用的库

如果要查找两者的邻居,可以使用
model.wv.most_similar()这将为您提供每个单词的字典(前n个)及其给定字符串(单词)的相似性.该方法将计算单词向量之间的余弦相似度.

请注意,您提到的其他方法在3.4.0中已弃用,请改用model.wv.similarity()和model.wv.similar_by_vector().

您也可以使用model.wv.similar_by_vector()进行完全相同的操作,但要传递一个向量.例如. model [“ woman”]会给你这样一个向量.实际上,如果您看一下实现,所有方法所做的就是调用most_similar()

def similar_by_vector(self, vector, topn=10, restrict_vocab=None):
   return self.most_similar(positive=[vector], topn=topn, restrict_vocab=restrict_vocab)

类似的by_by_word()方法也是如此.我实际上不知道为什么这些方法首先存在.

要找到两个词之间的相似度,您可以使用
使用model.wv.similarity()查找余弦相似度,或者使用model.wv.distance()查找两者之间的余弦距离.

要回答您的实际问题,我只需计算两者之间的相似度,而不是比较most_similar()的结果.

我希望这有帮助.查看docs或源文件以获得更多信息,我认为代码文档非常不错.

内容总结

以上是互联网集市为您收集整理的Word2Vec Python相似性全部内容，希望文章能够帮你解决Word2Vec Python相似性所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端