Python 使用TSNE的单词嵌入可视化不清晰

我已经从网站下载了预先训练过的单词嵌入模型 我想把句子中单词的嵌入形象化。我有两句话：

sentence1 = "Four people died in an accident."

sentence2 = "4 men are dead from a collision"

sentence1 = ['Four', 'people', 'died', 'accident']
sentence2 = ['4', 'men', 'dead', 'collision']
sentences = list(set(sentence1)| set(sentence2))

我有从上述链接加载嵌入文件的功能：

def load_data(FileName = './EN-wform.w.5.cbow.neg10.400.subsmpl.txt'):

    embeddings = {}
    file = open(FileName,'r')
    i = 0
    print "Loading word embeddings first time"
    for line in file:
        # print line

        tokens = line.split('\t')

        #since each line's last token content '\n'
        # we need to remove that
        tokens[-1] = tokens[-1].strip()

        #each line has 400 tokens
        for i in xrange(1, len(tokens)):
            tokens[i] = float(tokens[i])

        embeddings[tokens[0]] = tokens[1:-1]
    print "finished"
    return embeddings

e = load_data()

从这两个句子中，我计算单词的引理和忽略停止词和标点符号，因此现在我的句子变成：

sentence1 = ['Four', 'people', 'died', 'accident']
sentence2 = ['4', 'men', 'dead', 'collision']

现在，当我尝试使用TSNE（t-分布随机邻居嵌入）可视化嵌入时，我首先存储每个句子的标签和标记：

#for sentence store labels and embeddings in list
# tokens contains vector of 400 dimensions for each label
labels1 = []
tokens1 = []
for i in sentence1:
    if i in e:
        labels1.append(i)
        tokens1.append(e[i])
    else:
        print i

labels2 = []
tokens2 = []
for i in sentence2:
    if i in e:
        labels2.append(i)
        tokens2.append(e[i])
    else:
        print i

对于TSNE

我的问题是，为什么“碰撞”和“事故”、“人”和“人”等同义词有不同的坐标？如果单词是相同的/同义词，它们不应该更接近吗

距离=欧几里得距离（标记1） #从以下位置返回形状（8,8）

：

t-SNE有一个非凸的代价函数，即通过不同的初始化，我们可以得到不同的结果

这意味着在执行单词embedings的降维时，不能保证获得相同的坐标

要解决此问题，请连接以下句子，执行一次而不是两次fit_变换：

sentence1 = "Four people died in an accident."

sentence2 = "4 men are dead from a collision"

sentence1 = ['Four', 'people', 'died', 'accident']
sentence2 = ['4', 'men', 'dead', 'collision']
sentences = list(set(sentence1)| set(sentence2))

---

编辑：您的代码中还有一个错误，您从错误的列表中打印标签。

我喜欢这样做，但同义词之间并不更接近。你知道巴罗尼埃尔的单词嵌入吗。艾尔？还有其他方法可以解决句子的嵌入问题吗？@Lucky试着使用sk_中的欧几里德距离函数了解嵌入，看看单词之间的距离是否有意义。你的意思是当我从TSNE获得坐标时，我应该计算每个词之间的欧几里德距离，看看同义词是否有最小距离？@Lucky否，计算TSNE之前的欧几里德距离并打印距离矩阵。我这样做了，得到了（8,8）的数组。我在model.fit中使用了距离矩阵，当我绘图时，我看不到任何差异。我在帖子里加了这句话。如果我错了，请纠正我。