问题描述
对于我使用 gensim.models.KeyedVectors（来自 word2vec-google-news-300 模型）的项目，我需要添加和减去词向量 >
不幸的是，我已经尝试过，但无法正确执行。
让我们看一下普遍的例子queen ~= king - man + Woman。
当我想从 king 中减去 man 并添加 woman 时，
我可以用 gensim 做到这一点
# model is loaded using gensim.models.KeyedVectors.load()
model.wv.most_similar(positive=["king","woman"],negative=["man"])[0]
正如预期的那样，它为我使用的模型返回 ('queen',0.7118192911148071)。
现在，为了实现相同的加减向量（它们都是单位规范的），我尝试了以下代码：
vec1,vec2,vec3 = model.wv["king"],model.wv["man"],model.wv["woman"]
result = model.similar_by_vector(vec1 - vec2 + vec3)[0]
result 是 ('king',0.7992597222328186)，这不是我所期望的。
我的错误是什么？
解决方法
您通常在做正确的事情，但请注意：
-
arr方法还会从其结果中排除任何提供的命名词 - 因此即使most_similar()是（仍然）与结果最接近的词，它也会被忽略。在忽略输入词之后，您的公式很可能将'king'作为下一个最接近的词 - 这就是“类比”测试所需要的。 -
'queen'方法还对归一化为单位长度的向量版本进行向量算术，这可能会导致略有不同的答案。如果您将most_similar()的使用更改为model.wv['king']，您将获得单位规范向量。