Python gensim函数预测输出字

我使用gensim库创建word2vec模型。它包含函数

predict\u output\u words（）

，我的理解如下：

例如，我有一个模型是用这样一句话来训练的：“无政府主义并没有从一个特定的世界观中提供一个固定的教义体系，而是作为一种哲学在流动。”

然后我用

模型。预测输出词（上下文词列表=['Anarchism'、'Dos'、'not'、'offer'、'a'、'fixed'、'body'、'of'、'from'、'a'、'single'、'Specific'、'world'、'view'、'instead'、'fluxing']，topn=10）

在这种情况下，我能得到/预测正确的单词还是省略的单词“教义”

---

这条路对吗？请详细解释此功能。

我想知道您是否看过的文档

报告给定的中心词的概率分布 上下文词作为训练模型的输入

---

要回答您关于“条令”一词的具体问题，这在很大程度上取决于您在上下文中列出的10个最可能的词中是否有一个是“条令”。这意味着它必须相对频繁地出现在用于模型训练的语料库中。此外，由于“条令”似乎不是经常使用的词语之一，因此其他词语出现在上下文中的可能性较高。因此，如果仅基于给定上下文中单词的返回概率，则在这种情况下，您可能最终无法预测“原则”。

请参阅类似的详细信息