如何用gensim KeyedVectors减去和添加向量？
如何用gensim KeyedVectors减去和添加向量？
提问于 2021-01-07 12:03:11
对于一个我使用(来自word2vec-google-news-300模型)的项目，我需要添加和减去单词向量。
不幸的是，我试过了，但做不到。
让我们看看禽兽的例子，皇后~=国王-男人+女人。
当我想从国王那里减掉男人并增加女人时，
我可以用天才来做这个
# model is loaded using gensim.models.KeyedVectors.load()
model.wv.most_similar(positive=["king", "woman"], negative=["man"])[0]如预期的那样，返回我使用的模型的('queen', 0.7118192911148071)。
现在，为了实现添加和减法向量(它们都是单元赋范)，我尝试了以下代码：
vec_king, vec_man, vec_woman = model.wv["king"], model.wv["man"], model.wv["woman"]
result = model.similar_by_vector(vec_king - vec_man + vec_woman)[0]上面的代码中的result是('king', 0.7992597222328186)，这不是我所期望的。
我犯了什么错？
回答 1
Stack Overflow用户
回答已采纳
发布于 2021-01-07 18:06:35
你做的一般都是对的，但请注意：
most_similar()方法还从其结果中取消了所提供的任何命名单词的资格--因此，即使'king'仍然是与结果最接近的单词，它也将被忽略。在忽略输入词之后，您的公式很可能将'queen'作为下一个最接近的单词，这就是“类推”测试所需要的全部内容。most_similar()方法还对归一化为单位长度的向量的版本执行向量算法，这可能导致略有不同的答案。如果您将model.wv['king']的用法改为model.get_vector('king', norm=True)，您将得到单元赋范向量。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/65612062
复制相关文章
相似问题
腾讯云开发者
