词嵌入关系
Word Embedding Relations
我想详细了解我可以对词嵌入向量执行的代数函数。我知道通过余弦相似度我可以获得最相似的词。但是我需要再做一层推理，得到下面的关系：
X1 和 X2 的关系就像 X3 和 X4 的关系。
举个例子，我可以说公主与王子的关系就像女人与男人一样。我有 X1 到 X3，我的问题是我如何有效地计算出 X4 可以是什么。我尝试对向量的绝对差进行余弦运算，但它不起作用。
您可以查看原始 Google 发布的 word2vec 代码如何解决其 word-analogy.c 代码中的类比问题：
https://github.com/tmikolov/word2vec/blob/master/word-analogy.c
如果您更熟悉 Python，您可以通过阅读来自 questions-words.txt 文件（在原始 Google word2vec 包中提供），然后使用 b 和 c 作为正（添加）示例，并使用 a 作为反示例（减去），然后在结果向量附近找到单词：
使用的 most_similar() 函数的操作，在返回最接近的向量列表之前接受多个 positive 和 negative 示例，见：
我想详细了解我可以对词嵌入向量执行的代数函数。我知道通过余弦相似度我可以获得最相似的词。但是我需要再做一层推理，得到下面的关系：
X1 和 X2 的关系就像 X3 和 X4 的关系。
举个例子，我可以说公主与王子的关系就像女人与男人一样。我有 X1 到 X3，我的问题是我如何有效地计算出 X4 可以是什么。我尝试对向量的绝对差进行余弦运算，但它不起作用。
您可以查看原始 Google 发布的 word2vec 代码如何解决其 word-analogy.c 代码中的类比问题：
https://github.com/tmikolov/word2vec/blob/master/word-analogy.c
如果您更熟悉 Python，您可以通过阅读来自 questions-words.txt 文件（在原始 Google word2vec 包中提供），然后使用 b 和 c 作为正（添加）示例，并使用 a 作为反示例（减去），然后在结果向量附近找到单词：
使用的 most_similar() 函数的操作，在返回最接近的向量列表之前接受多个 positive 和 negative 示例，见：