Python 从word2vec中提取单词嵌入

晚上好，我有一个相对简单的问题，主要是因为我对python缺乏经验。我想为单词列表提取单词嵌入。在这里，我创建了一个简单的列表：

list_word = [['Word'],
 ['ant'],
 ['bear'],
 ['beaver'],
 ['bee'],
 ['bird']]

然后加载gensim和其他所需的库：

#import tweepy           # Obtain Tweets via API
import re               # Obtain expressions 
from gensim.models import Word2Vec    #Import gensim Word2Fec

现在，当我使用Word2Vec函数时，我运行以下命令：

#extract embedding length 12
model = Word2Vec(list_word, min_count = 3, size = 12)
print(model)

当模型运行时，我看到vocab大小是1，而它不应该是1。输出如下： Word2Vec（声音=1，大小=12，字母=0.025）

---

我认为导入的数据格式不正确，可以使用一些建议甚至示例代码来说明如何将其转换为正确的格式。感谢您的帮助。

您的

列表数据

，每个6句话，一个单词，不足以训练

Word2Vec

，这需要大量不同的真实文本数据。除其他问题外：

• 由于

  minu count=3

  设置，只出现一次的单词将被忽略（&降低该参数不是一个好主意）
• 单字句子没有算法使用的相邻单词上下文
• 获得好的“密集”向量需要比向量维度大得多的词汇表，以及每个单词与其他单词的用法的许多不同示例

---

尝试使用更大的数据集，您将看到更真实的结果。此外，在信息级别启用Python日志记录将在代码运行时显示大量的进度，并且可能会提示问题，因为您注意到发生的步骤有或没有合理的计数和延迟。

您的

列表数据

，6句话，每个单词，不足以训练

Word2Vec

，这需要大量不同的真实文本数据。除其他问题外：

• 由于

  minu count=3

  设置，只出现一次的单词将被忽略（&降低该参数不是一个好主意）
• 单字句子没有算法使用的相邻单词上下文
• 获得好的“密集”向量需要比向量维度大得多的词汇表，以及每个单词与其他单词的用法的许多不同示例

---

尝试使用更大的数据集，您将看到更真实的结果。此外，在信息级别启用Python日志记录将在代码运行时显示大量的进度，并且可能会提示一些问题，因为您注意到发生的步骤有或没有合理的计数和延迟。

您真的向我们显示了您的数据吗？您定义了

list\u word2

（只有6个单词，它们只出现一次），但随后运行了

list\u word

培训，并设法获得出现次数>=min\u count（=3）的单个单词。而且，您的数据太小了。下载并使用预训练的单词向量，或者获取更大的训练集。哦，有趣的是，我是在这样的假设下操作的，当你像我一样使用word2vec时，它会从预训练的模型中提取嵌入。我的真实数据是一个约1600个名词的列表，我正在尝试为这些名词嵌入单词。谢谢你的回复！好的，从你的数据中训练单词向量，并使用你传递的任何参数。但是对于这样小的输入，输出会很糟糕，所以建议您下载并使用预训练的单词向量。请参阅文档和教程。您是否向我们显示了您的数据？您定义了

list\u word2

（只有6个单词，它们只出现一次），但随后运行了

list\u word

培训，并设法获得出现次数>=min\u count（=3）的单个单词。而且，您的数据太小了。下载并使用预训练的单词向量，或者获取更大的训练集。哦，有趣的是，我是在这样的假设下操作的，当你像我一样使用word2vec时，它会从预训练的模型中提取嵌入。我的真实数据是一个约1600个名词的列表，我正在尝试为这些名词嵌入单词。谢谢你的回复！好的，从你的数据中训练单词向量，并使用你传递的任何参数。但是对于这样小的输入，输出会很糟糕，所以建议您下载并使用预训练的单词向量。请参阅文档和教程。感谢您的回复，正如我对smsci所说的，我是在假设使用word2vec的情况下操作的，正如我在上述代码中使用word2vec一样，我会使用预训练的模型嵌入。谢谢你的信息！不-代码中没有任何内容加载任何预训练的模型，向构造函数提供

list\u word2

意味着您提供的是训练文本的语料库。（在你得到一个单词的情况下，也许那时你的

列表\u word2

是一个简单的字符串列表，所以每个字符串都被解释为一个句子，所以每个字符看起来都像一个单词，字母

e

中的一个“单词”就是创建的一个向量？），正如我对smsci所说的，我是在这样的假设下操作的，即使用word2vec，正如我在上面的代码中所做的那样，拉动了预训练的模型嵌入。谢谢你的信息！不-代码中没有任何内容加载任何预训练的模型，向构造函数提供

list\u word2

意味着您提供的是训练文本的语料库。（在你得到一个单词的情况下，也许那时你的

列表\u word2

是一个简单的字符串列表，所以每个字符串都被解释为一个句子，所以每个字符看起来都像一个单词，字母

e

中的一个“单词”就是创建的一个向量？）