Scikit learn k-means使用word2vec：查找距离质心最近的单词

我使用word2vec对文本进行矢量化，然后使用scikit learn对文本进行聚类。聚类后，如何获得最靠近每个聚类中心的前5个或10个单词？我能够获取集群中的所有单词，但无法获取最近的单词。当我使用tf-idf矢量器时，这是直截了当的，因为tf-idf中的每个功能都映射到一个单词，但word2vec却不是这样

下面是我如何使用word2vec表示k-means的

model = gensim.models.Word2Vec.load('w2v.mdel')
word_vectors =  vecTransform(input) #Convert input text to word vectors
km = KMeans(n_clusters=5)
idx = km.fit_predict(word_vectors)

---

实际上，重要的是

vecTransform

。如果对于给定的文本文档，您对其包含的单词的w2v表示进行平均以获得文档表示，则您仍然处于与初始w2v向量相同维度的空间中。因此，给定k-means算法的质心（

km.cluster\u centers\u

，就像您使用的

sklearn

实现一样），您可以找到最接近这些质心的单词。。然而，我确信它们是多么有意义，特别是如果文档包含几个单词，并且您使用了所有这些单词来计算平均值

这实际上取决于如何使用word2vec对文本进行矢量化。你能详细解释一下吗？@geompalik我现在已经添加了代码是的。我计算了文档中所有单词的w2v的平均值。你能建议一个更好的方法吗？这是另一个问题。在我看来，嵌入中的组合性并不是一个已解决的问题。但我还不明白你想要实现什么。