Tensorflow 如何加速word2vec相似度计算？

我使用Gensim训练了Word2Vec模型，我有两组单词：

S1 = {'','','' ...}
S2 = {'','','' ...}

对于S1中的每个单词w1，我想找到与w1最相似的前5个单词。我目前正在这样做：

model = w2v_model
 word_similarities = {}
 for w1 in S1:
    similarities = {}
    for w2 in S2:
       if w1 in model.wv and w2 in model.wv:
           similarity = model.similarity(w1, w2)
           similarities[w2] = similarity
    word_similarties[w1] = similarities

然后，对于单词中的每个单词的相似性，我可以从它的dict值中得到前N。如果S1和S2较大，则速度会非常慢

---

在genism或tensorflow中，有没有一种更快的方法来计算Word2Vec中的大型词对？

根据您的模型的相对大小，

S1

，&

S2

，您可能需要使用gensim各种词向量类的

最相似的（）

方法-这将使用批量，优化了向量比较操作，以检查模型中的所有向量，然后在

S2

中筛选结果

---

<> p> >如果<代码> S2比Myto.Wv 的大小要小很多，特别是如果您将重复使用相同的<代码> S2< /Cord>多个单词向量集，您可以考虑创建自己的<代码>密钥向量实例，用<强> > <>强> >代码> S2< /代码>单词，首先创建一个空的

keyedVector

，然后将所有

S2

单词添加到其中，然后使用

S2。最相似的（正数=[target\u word\u vector]，topn=5）

您能根据第二个建议编写解决方案吗？请参阅

keyedVector.add（）

方法：