Python 如何解释gensim word2vec输出？

我运行下面的代码，只是想知道为什么“曝光”的前三个最相似的词不包括“收费”和“贷款”

---

word2vec算法仅在大量训练数据中有用且有价值，其中每个感兴趣的单词都有各种现实的、微妙对比的用法示例

玩具大小的数据集不会显示其值。设置

min\u count=1总是一个坏主意。而且，试图从一个只有9个单词、9个独特单词以及大多数单词有完全相同的邻居的语料库中训练300维单词向量是毫无意义的

在一个更真实的数据集上尝试它——数万个独特的单词，都有多个使用示例——你会看到更直观的正确相似性结果。
word2vec算法只在大量训练数据中有用且有价值，其中每个感兴趣的单词都有各种真实的，微妙对比的用法示例

玩具大小的数据集不会显示其值。设置
min\u count=1总是一个坏主意。而且，试图从一个只有9个单词、9个独特单词以及大多数单词有完全相同的邻居的语料库中训练300维单词向量是毫无意义的

在一个更真实的数据集上尝试它——数万个独特的单词，都有多个使用示例——你会看到更直观的相似性结果。
如何确定最小计数的值？如果可能，至少坚持默认的
min\u计数=5
。随着语料库越来越大，尝试更高的值，以缩小最终模型的RAM大小和训练时间。在某些情况下，您可能会发现
min_count
的值更高，从而提高了基于任务的最终模型质量评估的真实性。评估应根据您使用word2vec的特定目的进行。理想情况下，为了您的预期用途，您需要建立一些预期/期望结果的初始集，并根据它们满足这些探测的程度来测试模型——理想情况下，这些模型是其他未测试案例的代表集。随着时间的推移，随着复杂的新案例的出现，评估的增长是很典型的——当你意识到早期的/特别的东西并没有涵盖所有重要的案例时。有一些常用的词向量的相似性排序或类比解算标准评估——但它们非常狭窄。例如，许多与word2vec相关的论文都使用了一组与word2vec原始论文类似的
question words.txt
，Gensim在该方法中支持这一点：-但在普通分类或信息检索任务中得分最高的词向量可能会做得更差！所以，通常最好使用自己的评估。向量大小没有硬性规定，但通常较大的训练数据和较大的词汇表支持较大的向量。非常粗略地说，我不认为向量大小应该比词汇表中唯一单词数量的平方根大很多。因此，我不会尝试用少于10000个单词的词汇表来创建100维向量（每个都有许多使用示例），通常300-400美元的维度应该由100k-150k单词或更多的独特词汇表来支持。（300维
GoogleNews
向量用于300万个唯一单词的词汇表。）如何确定最小计数的值？如果可能，至少使用默认值
min\u count=5
。随着语料库越来越大，尝试更高的值，以缩小最终模型的RAM大小和训练时间。在某些情况下，您可能会发现
min_count
的值更高，从而提高了基于任务的最终模型质量评估的真实性。评估应根据您使用word2vec的特定目的进行。理想情况下，为了您的预期用途，您需要建立一些预期/期望结果的初始集，并根据它们满足这些探测的程度来测试模型——理想情况下，这些模型是其他未测试案例的代表集。随着时间的推移，随着复杂的新案例的出现，评估的增长是很典型的——当你意识到早期的/特别的东西并没有涵盖所有重要的案例时。有一些常用的词向量的相似性排序或类比解算标准评估——但它们非常狭窄。例如，许多与word2vec相关的论文都使用了一组与word2vec原始论文类似的
question words.txt
，Gensim在该方法中支持这一点：-但在普通分类或信息检索任务中得分最高的词向量可能会做得更差！所以，通常最好使用自己的评估。向量大小没有硬性规定，但通常较大的训练数据和较大的词汇表支持较大的向量。非常粗略地说，我不认为向量大小应该比词汇表中唯一单词数量的平方根大很多。因此，我不会尝试用少于10000个单词的词汇表来创建100维向量（每个都有许多使用示例），通常300-400美元的维度应该由100k-150k单词或更多的独特词汇表来支持。（300维
GoogleNews
向量用于300万个独特单词的词汇表。）
from gensim.models import Word2Vec
corpus = [['total', 'exposure', 'charge', 'lend'],
          ['customer', 'paydown', 'rate', 'months', 'month']]
gens_mod = Word2Vec(corpus, min_count=1, vector_size=300, window=2, sg=1, workers=1, seed=1)
keyword="exposure"
gens_mod.wv.most_similar(keyword)

Output:
[('customer', 0.12233059108257294),
 ('month', 0.008674687705934048),
 ('total', -0.011738087050616741),
 ('rate', -0.03600010275840759),
 ('months', -0.04291829466819763),
 ('paydown', -0.044823747128248215),
 ('lend', -0.05356598272919655),
 ('charge', -0.07367636263370514)]