Python 使用Word2vec确定一组单词中最相似的两个单词

我试图在Word2vec周围使用python包装器。我有一个单词嵌入或一组单词，可以在下面看到，从中我试图确定哪两个单词彼此最相似

我该怎么做

---

['architect'、'nurse'、'外科医生'、'Grandma'、'dad']

根据您的评论，鉴于您使用的是gensim的word2vec：

为嵌入加载或训练模型，然后在模型上调用：

min_distance = float('inf')
min_pair = None
word2vec_model_wv = model.wv  # Unsure if this can be done in the loop, but just to be safe efficiency-wise
for candidate_word1 in words:
    for candidate_word2 in words:
        if candidate_word1 == candidate_word2:
            continue  # ignore when the two words are the same

        distance = word2vec_model_wv.distance(candidate_word1, candidate_word2)
        if distance < min_distance:
            min_pair = (candidate_word1, candidate_word2)
            min_distance = distance

min\u distance=float（'inf'）
最小对=无
word2vec_model_wv=model.wv#不确定这是否可以在循环中完成，但只是为了安全高效
对于候选单词1（大写）：
对于候选单词2（大写）：
如果候选单词1==候选单词2：
继续#两个词相同时忽略
距离=单词2向量模型距离（候选单词1，候选单词2）
如果距离小于最小距离：
最小对=（候选字1，候选字2）
最小距离=距离

也可能是相似性（我不完全确定是否有差异）

---

如我所料，如果单词越近，相似度越大，那么您将希望最大化而不是最小化，并用相似度调用替换距离函数调用。基本上，这只是对的简单的min/max函数。

@rylan feldspar的答案通常是正确的方法，并且会起作用，但是您可以使用标准Python库/习惯用法，特别是

itertools

，一个列表理解和排序函数，更简洁地实现这一点

例如，首先使用

itertools

中的

combinations（）

生成所有候选词对：

来自itertools导入组合的

候选词=[“建筑师”、“护士”、“外科医生”、“祖母”、“父亲”]
所有单词对=组合（候选单词，2）

然后，用成对的相似性装饰成对：

scored_pairs=[（w2v_model.wv.similarity（p[0]，p[1]），p）
对于p，所有_对]

最后，排序将最相似的一对放在第一位，并报告该分数和一对：

sorted\u pairs=已排序（计分\u pairs，reverse=True）
打印（已排序的_对[0]）#第一项是最相似的对

如果您希望简洁但可读性稍差，则可以使用（长）“1行程序”：

print（排序（[（w2v_model.wv.similarity，p[0]，p[1]），p）
对于组合中的p（候选词，2）
]，reverse=True）[0]）

更新：

综合@ryan feldspar关于

max（）

的建议，并追求最低限度，这也应该有助于报告最佳组合（但不是其得分）：

print（最大组合（候选单词，2个），
key=lambda p:w2v_模型wv.相似性（p[0]，p[1]））

您能使用Word2Vec python包发布到目前为止您拥有的代码吗？编辑：当我在做的时候，你能特别链接到你正在使用的包装器吗？不止一个如果你用的是gensim的word2vec，它看起来很可能接近您想要的。如果您使用的是Danielfrg的python google word2vec界面，那么这里有一些示例：我绝对建议您查看“预测”部分中的最后一个示例。@RylanFeldspar我正在使用Gensim@RylanFeldspar对于根辛来说，这并不能满足我的要求。考虑到['architect'、'nurse'、'surgerman'、'dad']，我希望返回两个最相似的词，例如['nurse'、'surgerman']，您也可以使用较少的调用模型，但我将把这个练习留给读者。我必须承认，我从来没有听说过

组合！你每天都能学到新东西！如果我们只是像提问者所建议的那样寻找最小值，那么使用
max（scored_pairs，key=lambda p:p[1]）
和相似性或
min
来表示差异可能会更有效。通常人们想要排名靠前的几个，所以我的习惯是排序，但你是对的-a
max（）
将比完全分拣稍微高效，一次就可以抓到最好的物品。由于分数位于元组的第一个（
[0]
）索引中，我认为您不需要指定一个
键
：比较是按元素进行的，从
p[0]
开始，只有在前面的元素中出现平局的情况下，才会进行
p[1]
（等）的比较。（但您也可以完全跳过理解/排序，使用
max（）
和
key
函数来计算配对的相似性！）