Python 3.x 使用Google新闻语料库word2vec模型python的句子间余弦相似度

我试图使用word2vec谷歌新闻语料库在两个长度不等的句子之间找到余弦相似性，但我得到了一个错误：

AxisError:axis1超出维度1数组的范围

下面是我的代码：

from gensim.models import KeyedVectors
EMBEDDING_FILE = '/root/input/GoogleNews-vectors-negative300.bin.gz' # from above
word2vec = KeyedVectors.load_word2vec_format(EMBEDDING_FILE, binary=True)

vocab = word2vec.vocab.keys()
wordsInVocab = len(vocab)

import numpy as np

def sent_vectorizer(sent, model):
    sent_vec = np.zeros(50)
    numw = 0
    for w in sent:
        try:
            vc=model[w]
            vc=vc[0:50]

            sent_vec = np.add(sent_vec, vc) 
            numw+=1
        except:
            pass
    return sent_vec / np.sqrt(sent_vec.dot(sent_vec))

a = sent_vectorizer('Football is played in Brazil',word2vec)
b =sent_vectorizer('Cricket is played in India',word2vec)

word2vec.cosine_similarities(b,a)

我把句子转换成向量，因为余弦_相似性以向量数组作为输入。

---

如何解决此问题？

word2vec.cosine\u相似性

将向量作为第一个参数，将矩阵作为第二个参数

---

您正在传递第二个参数的

vector

。再添加一个轴或使用

np.stack

将

a

和

b

堆叠在一起。

您应该显示您遇到的所有错误的完整错误堆栈，以便回答者可以看到您的代码和所用库中与该错误相关的精确行。还有：（1）当源词向量是300维时，你使用50维向量有什么原因吗？（2） 由于你的句子是字符串，你的

for w in sent:

循环将依次生成

w

每个字符，而不是每个单词，这可能不是你想要的；（3） 将向量除以其自身点积的sqrt是一种奇怪而迂回的方法，可以简单地对向量进行单位规格化（将其除以其自身的大小）。