Model gensim包装器中的访问模型

我使用以下gensim包装器来训练单词向量模型：

import numpy as np
import pandas as pd
from gensim.sklearn_api import W2VTransformer
from gensim.utils import simple_preprocess

# Load synthetic data
data = pd.read_csv('https://pastebin.com/raw/EPCmabvN')
data = data.head(10)
# Set random seed
np.random.seed(0)

X_train = data.apply(lambda r: simple_preprocess(r['text'], min_len=2), axis=1)
y_train = data.label

model = W2VTransformer(size=10, min_count=1)
model.fit(X_train)

model.wv.vocab

但是，一旦我尝试访问经过训练的模型，即

model.wv.vocab

，它就会输出错误：

AttributeError:“W2VTTransformer”对象没有属性“wv”

我可以以某种方式访问词汇表和其他模型参数吗，或者这在包装器中是不可能的

Current workaround: 

from gensim.models.doc2vec import TaggedDocument
from gensim.models.doc2vec import Doc2Vec

#Defining model without wrapper
documents = data.apply(lambda r: TaggedDocument(words=simple_preprocess(r['text'], min_len=2), tags=[r.label]), axis=1)
d2v = Doc2Vec(documents, window=2, vector_size=10, min_count=1, seed=0)
d2v.wv.vocab

---

是什么让您认为

W2V变压器

具有

wv

特性？未在类文档中列出：

而且，像这样访问

转换器的内部状态（在scikit learn中）并不太习惯。取而代之的是，你可以要求一个已经安装了
fit（）
的模型，然后
transform（）
一个单词列表，以获取一个单词向量列表

事实上，这些
gensim
文档顶部的示例中显示了这一点，在一行中同时执行
fit（）
和'transform（）（即使您不想这样做）：

如果您确实希望直接访问本机
gensim
Word2Vec
模型，即具有
wv
属性的模型，则必须使用不同的方法。例如，您可以查看
W2VTransformer
源代码以查看内部模型的保存位置：


在那里，您将看到
fit（）
方法将当前
Word2Vec
实例存储在名为
gensim\u model
的属性中

因此，出现错误的线路，
型号
是
W2V变压器
的一个实例，可以改为：

model.gensim_model.wv.vocab

谢谢你，戈乔莫，我找到了，而且很有效。请原谅我的gensim相关问题，我是一个初学者，所有的调试和源代码检查对我来说仍然是一个全新的过程。
model.gensim_model.wv.vocab