如何在 Python 上使用 Word2Vec 创建词嵌入？
How to create word embedding using Word2Vec on Python?
我在网上看到很多关于如何使用Word2Vec（gensim）的教程。
大多数教程都在展示如何找到 .most_similar 词或两个词之间的相似度。
但是，如果我有文本数据 X 并且我想生成词嵌入向量 X_vector 怎么办？
那么，这个X_vector可以用于分类算法吗？
如果X是一个词（字符串标记），你可以用word_model[X]查找它的向量。
如果 X 是文本 - 比如说 list-of-words – 那么，Word2Vec 模型只有单词向量，没有文本向量。
如果您有一些想要的方法来使用 list-of-words 加 per-word-vectors 来创建 text-vector，您应该自己应用它。有许多潜在的方法，有些简单，有些复杂，但没有一种 'official' 或 'best' 方式。
一个简单的流行基线（一个公平的起点，尤其是在像标题这样的非常小的文本上）是对所有词向量求平均。这可以很简单（假设 numpy 被导入为 np）：
np.mean([word_model[word] for word in word_list], axis=0)
但是，最新版本的 Gensim 也有一个方便的 .get_mean_vector() 方法来对向量集（指定为它们的 word-keys 或原始向量）进行平均，还有一些其他选项：
我在网上看到很多关于如何使用Word2Vec（gensim）的教程。
大多数教程都在展示如何找到 .most_similar 词或两个词之间的相似度。
但是，如果我有文本数据 X 并且我想生成词嵌入向量 X_vector 怎么办？
那么，这个X_vector可以用于分类算法吗？
如果X是一个词（字符串标记），你可以用word_model[X]查找它的向量。
如果 X 是文本 - 比如说 list-of-words – 那么，Word2Vec 模型只有单词向量，没有文本向量。
如果您有一些想要的方法来使用 list-of-words 加 per-word-vectors 来创建 text-vector，您应该自己应用它。有许多潜在的方法，有些简单，有些复杂，但没有一种 'official' 或 'best' 方式。
一个简单的流行基线（一个公平的起点，尤其是在像标题这样的非常小的文本上）是对所有词向量求平均。这可以很简单（假设 numpy 被导入为 np）：
np.mean([word_model[word] for word in word_list], axis=0)
但是，最新版本的 Gensim 也有一个方便的 .get_mean_vector() 方法来对向量集（指定为它们的 word-keys 或原始向量）进行平均，还有一些其他选项：