Infer "shapes"，或者推断Word2Vec中的类比关系
Infer "shapes", or infer analogous relations in Word2Vec
Gensim Word2Vec 提供了一个系统来推断类似关系，即与已经找到的那些具有“相同形状”的关系？
Es:
从国王、王后
开始
我想得到其他男女性别的情侣。
换句话说：
most_similar(正数=['king', X], 负数=['queen']) -> Y
我想找到尽可能多的 xy 对。
没有 built-in 设施与我想你问的类似。
但是，您当然可以自由循环任意数量的候选词（如 X，或 most_similar() 的其他参数），以查看报告的内容 top-neighbors （候选 Y 值）- 可能应用一些相似性阈值。
请注意，著名的 man:king :: woman: _?_ 通常在 Gensim 中以 most_similar(positive=['king', 'woman'], negative=['man']) 的形式呈现给 word2vec 模型，这相当于 king - man + woman = _?_。对于任意 X 或响应 Y.
，我不确定您的替代表述实际上 king - queen + X = Y 具有类比意义
并且请注意，most_similar() 禁止报告任何已经成为 positive 或 negative 参数的候选选区。通常，'artihmetic' 的结果仍然比其他任何东西都更接近输入词 - 但不会报告，而是显示 next-best 个词。
Gensim Word2Vec 提供了一个系统来推断类似关系，即与已经找到的那些具有“相同形状”的关系？
Es: 从国王、王后
开始我想得到其他男女性别的情侣。
换句话说： most_similar(正数=['king', X], 负数=['queen']) -> Y
我想找到尽可能多的 xy 对。
没有 built-in 设施与我想你问的类似。
但是，您当然可以自由循环任意数量的候选词（如 X，或 most_similar() 的其他参数），以查看报告的内容 top-neighbors （候选 Y 值）- 可能应用一些相似性阈值。
请注意，著名的 man:king :: woman: _?_ 通常在 Gensim 中以 most_similar(positive=['king', 'woman'], negative=['man']) 的形式呈现给 word2vec 模型，这相当于 king - man + woman = _?_。对于任意 X 或响应 Y.
king - queen + X = Y 具有类比意义
并且请注意，most_similar() 禁止报告任何已经成为 positive 或 negative 参数的候选选区。通常，'artihmetic' 的结果仍然比其他任何东西都更接近输入词 - 但不会报告，而是显示 next-best 个词。