gensim训练词向量后，提取每个词的词向量

gensim在NLP中使用非常方便，几行代码就可以训练处一个词向量，本文记录gensim训练词向量的过程，以及对训练得到的词向量文件进行读取，分析等过程。

以下是使用gensim训练词向量的代码。

gensim.models Word2Vec
gensim.models.word2vec LineSentence


sentences = LineSentence()
model = Word2Vec(sentences====)
model.save()

简单的几行代码，规定了词向量尺寸，滑窗等参数，就得到了一个词向量文件“gensim_128”，

接下来我们读取这个“gensim_128”词向量文件

gensim.models Word2Vec
model = Word2Vec.load()

得到model后，就可以做一些相关性比较了，gensim已经高度集成，使用起来也非常方便。

gensim.models Word2Vec
model = Word2Vec.load()


items = model.wv.most_similar()
iitem (items):
    (iitem[]item[])
(* )
items = model.wv.most_similar(=[]=[])
iitem (items):
    (iitem[]item[])
(* )
(model.wv.doesnt_match([]))
(* )
(model.wv.similarity())

这和我想要的还有点不一样，虽然使用起来方便，但是model内部到底有些什么？128维的词向量，到底是什么样子的？我能不能直接获得这些向量，从而编写一些算法做一些特定的处理。

其实，除了查看官方文档，我通常还会用debug模式，查看变量内部到底由什么组成，进而熟悉它的功能，必要的时候，还可以查看源码，更加了解内部的过程。

红色框内的变量就是读取的model的全部信息

通过debug查看，可以看到model.wv.index2word对应的是词列表

model.wv.index2word

词列表

通过debug查看，可以看到model.wv.vectors对应的是词向量

(model.wv.vectors.shape)
(model.wv.vectors)

词向量

词向量是一个(687674, 128)的二维矩阵，这和我们之前训练词向量时，设置的size=128是一致的，而687674是指该词向量模型中，含有687674个不重复的词。

我们已经获取了词向量，词向量对应的单词顺序，和上面model.wv.index2word对应的词列表顺序是一致的。

我们可以通过下面的方式，抽取特定单词的词向量。

word = vec = model.wv.vectors[model.wv.vocab[word].index]

(vec.shape)
(vec)

抽取词向量

获取了词向量后，就可以编写算法完成后面的过程啦。

有时间再更新~