gensim word2vec word embedding如何为1个词的句子提取训练词对？
How does gensim word2vec word embedding extract training word pair for 1 word sentence?
参考下图（word2vec skipgram提取训练数据集的过程——输入句子中的词对）。
"I love you." ==> [(我,爱), (我,你)]
请问句子只有一个词时，词对是什么？
是"Happy!" ==> [(happy,happy)] ?
我测试了genism中的word2vec算法，当训练集句子中只有一个词时，（并且这个词不包含在其他句子中），word2vec算法仍然可以为这个特定的词构造一个嵌入向量.我不确定算法是如何做到这一点的。
===============更新============================= ==
作为下面贴出的答案，我认为为1-word-sentence中的单词创建的词嵌入向量只是神经网络权重的随机初始化。
不可能从 1 个单词的句子进行 word2vec 训练，因为没有相邻单词可用作输入来预测 center/target 个单词。本质上，这句话被跳过了。
如果那是该词在语料库中的唯一出现，并且您看到该词的向量，则它只是该词的开始随机初始化，没有进一步的训练。 （而且，您可能应该使用更高的 min_count，因为在 word2vec 中保留如此罕见的词通常是一个错误：它们不会得到好的向量，如果 'noise'从所有这些不够建模的稀有词中删除。）
如果那个只有 1 个词的句子实际上出现在你语料库中其他真实句子的旁边，那么将它与周围的文本结合起来可能是有意义的。对于这种从周围环境建模的实际句子并没有什么神奇之处——该算法只是在 'neighbors' 上工作，并且通常使用多句块作为训练文本，有时甚至使用标点符号（如句子-ending periods) 也保留为 'words'。然后来自一个实际独立句子的单词——但仍然通过出现在同一个文档中而相关——将出现在彼此的上下文中。
参考下图（word2vec skipgram提取训练数据集的过程——输入句子中的词对）。
"I love you." ==> [(我,爱), (我,你)]
请问句子只有一个词时，词对是什么？
是"Happy!" ==> [(happy,happy)] ?
我测试了genism中的word2vec算法，当训练集句子中只有一个词时，（并且这个词不包含在其他句子中），word2vec算法仍然可以为这个特定的词构造一个嵌入向量.我不确定算法是如何做到这一点的。
===============更新============================= ==
作为下面贴出的答案，我认为为1-word-sentence中的单词创建的词嵌入向量只是神经网络权重的随机初始化。
不可能从 1 个单词的句子进行 word2vec 训练，因为没有相邻单词可用作输入来预测 center/target 个单词。本质上，这句话被跳过了。
如果那是该词在语料库中的唯一出现，并且您看到该词的向量，则它只是该词的开始随机初始化，没有进一步的训练。 （而且，您可能应该使用更高的 min_count，因为在 word2vec 中保留如此罕见的词通常是一个错误：它们不会得到好的向量，如果 'noise'从所有这些不够建模的稀有词中删除。）
如果那个只有 1 个词的句子实际上出现在你语料库中其他真实句子的旁边，那么将它与周围的文本结合起来可能是有意义的。对于这种从周围环境建模的实际句子并没有什么神奇之处——该算法只是在 'neighbors' 上工作，并且通常使用多句块作为训练文本，有时甚至使用标点符号（如句子-ending periods) 也保留为 'words'。然后来自一个实际独立句子的单词——但仍然通过出现在同一个文档中而相关——将出现在彼此的上下文中。