Nlp 为什么通过'；正'；和'；负数'；参数转换为gensim'；s most_类似函数返回的结果是否与向量数学结果相同？

导致

model.similar_by_vector(model['king'] - model['man'] + model['woman'], topn=1)[0]

鉴于

('king', 0.8551837205886841)

给出一个不同的答案（你期望的答案）

（'monar'，0.6350384950637817）

---

但我希望这两个都能得到同样的结果。我是否误解了向量数学应该如何在这些向量上执行？

如果您想仔细查看它们所做的与您可能期望的不同，您可以查看

最相似的方法的源代码，例如，通过在线浏览项目的源存储库：



特别是，在你所看到的差异中，可能有几个因素在起作用：


当您向
最相似（）
提供查找键（单词标记）时，它将取消返回与答案相同的键的资格，前提是您想要的答案不在传入的参数中。也就是说，即使目标位置最靠近
'king'
，如果
'king'
是提供的键之一，它也将被忽略，作为可能的分级响应

most\u similor（）
使用每个输入字的单位长度规范化版本（通过使用
word\u vec（word，use\u norm=True）
进行查找，而括号查找（如
model[word]
）使用原始的非规范化向量


model.most_similar(positive=['king', 'queen'], negative=['man'], topn=1)[0]