Word2vec模型的常用方法枚举

1 model.wv.vectors.shape

词向量的维度 (631, 50) 模型有631个不重复的词汇，维度为50

2 model.wv.most_similar(positive=['文本挖掘', '汽车'], negative=['内容'], topn=20)

获取词汇相关的前n个词语，当positive和negative同时使用的话，就是词汇类比

model.wv.similar_by_word('social_listening', topn=10, restrict_vocab=30))

model.wv.most_similar('social_listening')

找到前N个最相似的单词，注意其中的参数restrict_vocab ，它是可选的整数，

它限制了向量的范围，搜索最相似的值。 例如，restrict_vocab = 10000会

，只检查词汇顺序（按降序频率对词汇表进行排序会更有有意义）中的前10000个词汇向量

3 model.wv.doesnt_match("舆情 互联网 媒体 商业 场景 咨询 ".split())

找出与其他词差异最大的词汇

4 model.wv.closer_than('微博','社会化媒体') #'微博'是词汇A,'社会化媒体'是词汇B

接近词汇A更甚于词汇B接近词汇A的【所有】词汇,按相似度由高到低降序排列

就是找到比b词汇更接近a单词的词汇

5 model.wv.similarity('social_listening', '社会化媒体')

基于cosine余弦计算词汇之间的相似度，数值越大代表相似度越高

6 model.wv.wmdistance(doc1.split(), doc2.split())

wmdistance比较语句之间的相似度，数值越大代表越不相似

7 model.predict_output_word(['social_listening', '口碑', '情报'], topn=20)

给定上下文词汇（the context words）作为输入，你可以获得中心词汇的概率分布

8 使用乘法组合对象(multiplicative combination objective)找到前N个最相似的单词

print("使用most_similar_cosmul进行相似度计算的结果：\n{}".format(model.wv.most_similar_cosmul(positive=['文本挖掘','数据','语义相关性'], negative=['商业','社交','社交媒体平台'], topn=10)))

print('----------------------------------------------------------------------------------------------------------------------------------------------------------------------------')

print("使用most_similar进行相似度计算的结果：\n{}".format(model.wv.most_similar(positive=['文本挖掘','数据','语义相关性'], negative=['商业','社交','社交媒体平台'], topn=10)))

9 model.wv['文本挖掘']

查询到某个词汇的词向量稠密表示 它是我们做后续高阶文本挖掘，即文本聚类、文本分类、情感分析以及文本相似度的基础

model.wv.vectors将其扩展为2D 的NumPy矩阵

10 model.get_latest_training_loss()

训练损失计算(Training Loss Computation)

当训练Word2Vec模型时，将其中的参数compute_loss设置为True，

则可计算训练Word2Vec模型时所得到的损失（Training Loss），它可以衡量模型的训练质量。

计算出的损失存储在模型的属性running_training_loss中，

可以调用get_latest_training_loss方法进行查询