Python Gensim Word2Vec词汇表：输出不清楚

我开始熟悉Word2Vec，但我遇到了一个问题，找不到类似的东西。。。 我想在一本书中导入的PDF文档上使用gensims Word2Vec。为了导入，我使用PyPDF2并将整本书存储到一个列表中。此外，为了对数据进行预处理，我使用了gensims simple_preprocess。到目前为止，这一切都很有效，我得到了以下输出：

text=[‘肖特基’、‘二极管’、‘半导体’、…] 然后我试着用2VEC这个词：

从gensim.models导入Word2Vec model=Word2Vectext，size=100，window=5，minu count=5，workers=4 words=listmodel.wv.vocab 但结果是这样的：

印刷字 [c'，'h'，'t'，'k'，'d'，…] 我还期望与文本列表中的单词相同，而不仅仅是一些字符。当我试图找出单词之间的关系时，例如“肖特基”和“二极管”，我得到的错误信息是，词汇表中没有这些单词

我的第一个想法是导入是错误的，但是我用textract而不是PyPDF2得到了相同的结果

有人知道问题出在哪里吗？谢谢你的帮助

附件:

导入该书

content_text=[] 输入的数量=lenos.listdirpath

    file_to_open=path
open_file=open(file_to_open,'rb')
read_pdf=PyPDF2.PdfFileReader(open_file)
number_of_pages=read_pdf.getNumPages()
page_content=""
for page_number in range(number_of_pages):
    page = read_pdf.getPage(page_number)
    page_content += page.extractText()
content_text.append(page_content)

而不是 text=[‘肖特基’、‘二极管’、‘半导体’]

用这个 text=[['肖特基'，'二极管'，'半导体']]

更多信息：

Word2Vec需要一个训练语料库作为其句子参数，即：

可编辑的序列，如列表 其中每个项目本身就是一个字符串标记列表 如果您只提供一个字符串列表，则每个字符串都将被视为一个字符串列表，从而生成您看到的所有单字母单词

因此，使用一个单词列表，更像：

[
 ['schottky','diode','semiconductors'],
]

---

还要注意的是，通常情况下，在只有几条文本和几十到几百个单词的玩具大小的数据集上，您不会得到有趣的Word2Vec结果。您需要数千个独特的单词，跨越每个单词的几十个对比示例，以归纳Word2Vec所熟知的有用的单词向量排列。

语料库需要是一个单词列表，如@Vivek在答案中所建议的那样