Python 3.x fasttext在训练后生成不同的向量

以下是我的培训：

import fasttext

model = fasttext.train_unsupervised('data.txt', model='skipgram')

现在，让我们观察第一个向量（为了可读性，省略了完整的输出）

另一方面，让我们在模型中输入第一个字符串：

model[data.iloc[0]]

# array([ 0.10782535,  0.3055557 ,  0.19097836, -0.15849613, 0.14204402

我们得到一个不同的向量

---

为什么？

你应该解释更多关于

数据的结构。顺便说一下，当您使用
model[data.iloc[0]]
时，它相当于
model.get\u word\u vector（data.iloc[0]）
。所以，你应该向模特说几句话

另一方面，
model.get\u input\u vector（0）
可能会向模型输入一个句子。因此，如果
data.iloc[0]
是一个句子，您可以将
model.get\u input\u vector（0）
的结果与
model.get\u句子\u vector（data.iloc[0]）
进行比较。否则，您应该获取数据中要输入到
模型的第一个单词，然后比较它们的向量。
是的，
data.iloc[0]
确实是一个句子。我按照你的回答进行了比较，但奇怪的是，仍然有所不同vectors@Elimination您的意思是将
data.iloc[0]
的第一个字传递给
模型
？请记住，您可以将
data.iloc[0]
传递到
model。获取句子向量，然后比较结果。不，我要传递整个句子。这是我的比较。（1） 
模型。获取句子向量（data.iloc[0]）
（2）
模型。获取输入向量（0）
。为什么它们不同？为了更好地理解这个问题，你应该发布一个数据样本。在任何情况下，您确定第一个输入向量与第一行数据相同吗？@请让我们知道
data.iloc[0]
by
model.get\u word\u vector
。
model[data.iloc[0]]

# array([ 0.10782535,  0.3055557 ,  0.19097836, -0.15849613, 0.14204402