如何从gensim获取word2index

Question

通过 doc 我们可以使用它来读取带有 genism 的 word2vec 模型

model = KeyedVectors.load_word2vec_format('word2vec.50d.txt', binary=False)

这是一个index-to-word mapping，例如model.index2word[2]，如何推导出一个inverted mapping（word-to-index）？

Answer 1

单词到索引的映射在 KeyedVectors vocab 属性 中，这是一个包含 index 属性 对象的字典。

例如：

word = "whatever"  # for any word in model
i = model.vocab[word].index
model.index2word[i] == word  # will be true

Answer 2

更简单的解决方案是枚举 index2word

word2index = {token: token_index for token_index, token in enumerate(w2v.index2word)} 
word2index['hi'] == 30308  # True