Python Spark Word2Vec.save（）方法错误

我尝试使用Spark ML的Word2Vec方法。但是，当我尝试使用这两种方法保存模型对象时

model.save（）或model.write（）.save（）它抛出以下错误

---> 69 w2vdf,w2vmodel=word2Vec(sdf_cleaned)

<ipython-input-244-e0067f9959c6> in word2Vec(df)
     60 
     61     # Saving the model
---> 62     w2vmodel.write().save()
     63 
     64     return w2vdf,w2vmodel

AttributeError: 'Word2VecModel' object has no attribute 'write

---

我的第二个问题是，是否可以得到每个文档的向量表示，而不是单个单词？。Spark是否实现了Doc2Vec功能？

只需执行

w2vmodel.save（sc，'filename'）

就行了。我做到了。同样的错误，等等。我需要一个背景。好的，让我试试看，好的不行。同样的错误。Spark Docs也没有说我们需要传递Spark上下文。我在查看GitHub上以前的公开问题时看到了这一点，但也许我犯了一个错误。然而，这似乎是一个已知的问题，而且加载它时似乎也有问题。是否不可能将此模型腌制以备以后使用？你也在使用什么版本的Spark？它是Spark模型。我可以腌制它吗？

def word2Vec(df):
    """ This function takes in the data frame of the texts and finds the Word vector 
    representation of that

    """


    from pyspark.ml.feature import Tokenizer, Word2Vec


    # Carrying out the Tokenization of the text documents (splitting into words)

    tokenizer = Tokenizer(inputCol="desc", outputCol="tokenised_text")
    tokensDf = tokenizer.transform(df)

    # Implementing the word2Vec model

    word2Vec = Word2Vec(vectorSize=100, seed=42, inputCol="tokenised_text", outputCol="model")
    w2vmodel = word2Vec.fit(tokensDf)
    w2vdf=w2vmodel.transform(tokensDf)

    # Saving the model 
    w2vmodel.write().save()

    return w2vdf,w2vmodel