Word2Vec - 通过特定向量寻找单词

Question

我训练了一个gensim Word2Vec模型。 假设我有一个向量，想找出它所代表的单词 - 最好的方法是什么？

也就是说，对于一个特定的向量：

vec = array([-0.00449447, -0.00310097,  0.02421786, ...], dtype=float32)

我想获取一个单词：

 'computer' = model.vec2word(vec)

- oren_isp

---

可能是如何使用word2vec找到最接近向量的单词的重复问题。 - Veltzer Doron

你得到的不是它所代表的单词，而是最相似的单词。如果你已经给出了它的确切向量表示（距离=0），那么这些单词可能就是语料库中的单词。但是word2vec的整个理念是，你可以通过相关单词向量之间的距离来获取语料库中单词的表示，该距离表示语义/句法距离度量。 - Veltzer Doron

Answer 1

Word-vectors是通过一个迭代的、近似的过程生成的，因此不应该被认为是完全正确的（尽管它们确实具有精确的坐标），只能在一定的容差范围内使用。因此，无法通过精确的单词-坐标查找来获取结果。相反，在gensim的Word2Vec和相关类中，可以使用most_similar()方法，按排名顺序给出与给定已知单词或向量坐标最接近的已知单词，并给出它们之间的余弦相似度。因此，如果您刚刚训练（或加载）了一个完整的Word2Vec模型到变量model中，您可以使用以下代码获取与您的向量最接近的单词：

vec = array([-0.00449447, -0.00310097,  0.02421786, ...], dtype=float32)
similars = model.wv.most_similar(positive=[vec])
print(similars)

如果你只想得到最接近的单词，那么它应该在 similars[0][0] 中（即排名最高的元组的第一个位置）。

- gojomo

Answer 2

现在可以通过 vocab.vectors.most_similar 来支持此功能。

import spacy
nlp = spacy.load('en_core_web_md')
word_vec = nlp(u"Test").vector
result = nlp.vocab.vectors.most_similar(word_vec.reshape((1, -1)))
print(nlp.vocab.strings[result[0][0,0]], result)

- Charlie Mcvicker