Nlp 如何使用word2vec在文本中找到最有意义的单词？

例如，我输入了一些具有语义的句子，作为输出，我得到了一些最近的（余弦距离）单词（大部分是单个单词）列表

但我想知道我的句子属于哪一类，并计算每个单词离它有多远。并从句子中删除无意义的单词

例如：

“我想买一个比萨饼”

“披萨”：0.99123

“买入”：0.7834

“想要”：0.1443

在没有任何C代码的情况下，如何实现这种开箱即用的要求

也许我需要计算这个的余弦距离方程

---

谢谢大家!

似乎您需要主题建模，而不是word2vec。Word2vec用于捕获本地信息，直接使用它对单词或句子进行分类或聚类不是一个好主意

另一个方面是停止删除单词，因为您提到的是无意义的单词。顺便说一下，它们不是没有意义的，它们实际上与任何主题都不一致。所以，你认为它们没有意义

我认为您应该使用LDA主题建模方法，并且您不需要实现任何东西，因为LDA有很多实现