Python gensim-word2vec模型中文本给定词嵌入概率的获取

我正在尝试使用gensim word2vec模型获得最可能的单词序列。我发现了一个预训练模型，它提供了以下文件：

word2vec.bin
word2vec.bin.syn0.npy
word2vec.bin.syn1neg.npy

这是我的代码，试图用这个模型得到句子的概率：

model = model.wv.load(word_embedding_model_path)
model.hs = 1
model.negative = 0
print model.score(sentence.split(" "))

运行此代码时，我遇到以下错误：

AttributeError: 'Word2Vec' object has no attribute 'syn1'

---

谁能帮我找出解决这个问题的办法吗。一般来说，我想使用一些预先训练的模型来获得单词序列出现在一起的概率。

在初始设置和训练后，不能将模型从使用负采样（例如

负=5，hs=0）切换到使用分层softmax（例如
hs=1，负=0
）。这两个模型使用不同的内部属性，这些属性仅由设置和培训创建。（例如，属性
syn1
仅存在于以分层softmax模式创建和训练的模型中。）

由于
score（）
方法目前仅适用于HS模型，因此您只需将其用于在该模式下训练的模型

（还请注意，单个文本相对于单个模型的
score（）
值不能解释为绝对概率。只有与其他文本相对于同一模型的得分进行比较，或与相同文本相对于替代模型的得分进行比较，得分的相对值才有意义。）
在初始设置和培训后，您无法将模型从使用负采样（例如
negative=5，hs=0
）切换到使用分层softmax（例如
hs=1，negative=0
）。这两个模型使用不同的内部属性，这些属性仅由设置和培训创建。（例如，属性
syn1
仅存在于以分层softmax模式创建和训练的模型中。）

由于
score（）
方法目前仅适用于HS模型，因此您只需将其用于在该模式下训练的模型

（还请注意，单个文本相对于单个模型的
score（）
值不能解释为绝对概率。只有与其他文本相对于同一模型的得分进行比较，或与相同文本相对于替代模型的得分进行比较，得分的相对值才有意义。）