Machine learning 如何搜索Word2Vec或手套嵌入以按语义关系查找单词

显示单词嵌入强度的常见示例是显示一些单词之间的语义关系，例如

king:queen=male:female

。如何发现这种类型的关系？这是通过某种基于几何聚类的可视化实现的吗？任何一个指针都会被欣赏。

如果“发现”是指监督学习，那么其中包含许多已经提取的关系，如“国家中的城市”、“首都世界”、“最高级”等

该数据集是对词向量进行内在评估的常用选择 在完成单词向量类比时。另见

有效的无监督的提取这些关系可能很棘手。一个简单的算法需要O（n2）时间和内存，其中n是词汇表中的单词数，这是巨大的。一般来说，这个问题归结为高效的索引构造

但是，如果您只想自己训练它并使用单词嵌入，您可以简单地使用：

model=gensim.models.word2vec.word2vec（句子=句子，大小=100，窗口=4，
工人数=5，sg=1，最小计数=20，iter=10）
word_vectors=model.wv
相似=词向量。最相似（正=['woman'，'king'，]，负=['man']）
#[（皇后，0.7188869714736938），（皇后，0.6739267110824585）。。。

请注意，您需要一个大的语料库，例如。

也许它提供了一个最类似的方法可以为您完成这项工作。