Nlp 使用SimLex-999和wordsim评估word2vec-密钥错误

我在用意大利语评估Word2Vec模型时遇到了一个奇怪的问题。 我正在使用这些数据

我犯了这个错误`

model.wv.evaluate_word_pairs（pairs=“…MWS353_意大利语_tab.txt”）
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件“C:\ProgramData\Anaconda3\lib\site packages\gensim\models\keyedvectors.py”，第1281行，成对计算
ok_vocab=[（w，self.vocab[w]）表示self.indexword[：restrict_vocab]]
文件“C:\ProgramData\Anaconda3\lib\site packages\gensim\models\keyedvectors.py”，第1281行，在
ok_vocab=[（w，self.vocab[w]）表示self.indexword[：restrict_vocab]]
KeyError:'di'

该错误似乎表明

'di'

在模型的

.indexword

列表中，但不在模型的

.vocab

字典中。（这在正常操作中不会发生，因为

.vocab

dict的键应该与

.indexword

列表中的条目一一匹配。）因此，这表明模型存在问题，而不是输入文件。model.wv.indexword`return

True

中的

'di'是否存在？这个模型是否以任何非标准的方式构建或修改过？不，我照抄了gensim教程。我对英语模型中的“the”一词也有同样的问题。我的想法是，
index2word
列表中仍然存在由于子采样而在词汇表中被丢弃的单词。如何从
indexword
中删除这些单词？不，
indexword
中的每个单词都应该在
vocab
目录中。并且，在进行二次采样之前，要决定保留哪些单词。如果没有，就有一个bug。如果您可以提供一个创建任何单词x的最小示例，其中model.wv.indexword中的
x返回
True
，而model.wv.vocab中的
x返回
False
，我可以找出触发差异的原因。
如果model.wv.indexword中的“the”打印（“单词在indexword中”）else:print（“Ups，找不到它”）如果model.wv.vocab:print（“单词在vocab中”）else:print（“Ups，找不到它”）单词在index2word中单词在vocab中
mmmmmmmm现在我更困惑了……但是
'di'
呢？