【word2vec】之 训练模型结果的结构探究 模型改造 python gensim

word2vec的安装，应用帖子好多，那如果想在训练的结果，也就是得到的向量上做点儿文章，该如何呢

下面来说说word2vec（python的gensim包）训练得到的模型，以及得到的向量是什么样子的

因为python训练得到的结果是二进制的，说白了就是乱码，现在既然想得到整个结果，该怎么弄呢。

其实好多事情直接看源码就能得到。之前试图找api或者小伙伴的帖子，想看看model的结构是什么样子的，未遂，只好直接自己一点儿点儿看源码。

首先我们假设，已经训练好了一个模型，现在只需要load就行了

model = gensim.models.Word2Vec.load('/mymodel_wds_wiki_all')

首先，获得一个词的词向量可以直接通过这样的方式获得

print len(model['中国'])
print type(model['中国'])
print (model['中国'])

得到的结果如下，可见类型是numpy.ndarray，维度是默认的一百维

100

<type 'numpy.ndarray'>

[-1.36747932  1.64107883  2.22578478 -2.02663827  3.4452529   1.86765969 ……]

下面直接看model的代码