gensim vocab索引是对应的1-热向量中的索引吗？

我正在做的研究需要直接操纵和嵌入一个热向量，我正试图使用gensim加载一个预训练word2vec模型

问题是他们似乎没有一个直接的api来处理1-hot-vectors。我正在找工作

所以我想知道是否有人知道这样做的方法？或者更具体地说，如果这些vocab索引（定义非常模糊）。可以将索引转换为相应的1-热向量吗

我发现：

• 似乎是相关的，但我尝试通过model.syn0（从回答中的链接）访问“输入嵌入”（假设它们是一个热门表示），但我得到了一个非稀疏矩阵
• 也会出现（搜索Doctag/index）
• 另一个问题给出了一些指数的背景（尽管没有完全回答我的问题）
• 是官方文件：

################################################

类gensim.models.keyedvectors.Vocab（**kwargs） 基数：对象

单个词汇表项，内部用于收集每个单词的频率/采样信息，并用于构造二叉树（包括单词叶子和内部节点）

---

################################################

是的，你可以把gensim的

Word2Vec的
索引
（位置）看作是
1.0
的一维，与所有其他V维一样，其中V是唯一单词的计数，即
0.0

该实现实际上从未创建一个热向量，作为稀疏或显式表示。它只是使用单词的索引作为其密集向量的查找——遵循gensim实现最初基于的Google的
word2vec.c
代码路径

（术语“doctags”仅在
Doc2Vec
——也称为“段落向量”——实现中相关。它是用于查找文档向量的不同标记/整数的名称，使用与文档文字中不同的名称空间。也就是说，在
Doc2Vec
中，您可以使用
'doc_007'
作为文档向量。）我，又名“doctag”，即使字符串标记
'doc\u 007'
在文档中也显示为单词，doctag key
'doc\u 007'
引用的文档向量和word key
'doc\u 007'
引用的单词向量也不会是相同的内部向量。）
谢谢您的信息！