通过gensim，加载预训练词向量，获取embedding_matrix

使用预训练的词向量

1. 加载词向量

# 加载训练好的词向量模型

import gensim

Word2VecModel = gensim.models.Word2Vec.load(词向量模型所在路径) # 读取词向量

2. 构造包含所有词语的 list，以及初始化 “词语-索引”字典 和 “词向量”矩阵

# 获取某一个词的向量表示

In[1]: Word2VecModel.wv['申请'].shape

Out[1]: (300,)

构造{词语：索引}字典

#  2 构造包含所有词语的 list，以及初始化 “词语-序号”字典 和 “词向量”矩阵

import numpy as np

vocab_list = [word for word, Vocab in Word2VecModel.wv.vocab.items()]# 存储 所有的 词语

word_index = {" ": 0} # 初始化 `[word : token]` ，后期 tokenize 语料库就是用该词典。使用前必须添加一个索引0.
word_vector = {} # 初始化`[word : vector]`字典

# 初始化存储所有向量的大矩阵，留意其中多一位（首行），词向量全为 0，用于 padding补零。
# 行数 为 所有单词数+1 比如 10000+1 ； 列数为 词向量“维度”比如100。
embedding_matrix = np.zeros((len(vocab_list) + 1, Word2VecModel.vector_size))

词向量中不重复词语个数

<