问题描述
我正在计算材料标签的相似度。每个标签中可能包含1-10个单词。我正在使用gensim word2vec查找余弦相似度。
我的方法只是将每个标签视为“句子”并标记每个单词。
示例：
标签 = ['木制书桌樱桃'，'长袖衬衫棉'，..]
句子 = [['wooden'，'desk'，'cherry']，['long'，'sleeve'，'shirt'，'cotton'] ..] >
我的问题是word2vec是否将相邻句子纳入其上下文。例如，如果我使用window = 2，则在查看“长”周围的单词时，将包含“樱桃”或仅包含“袖子”。
如果考虑了相邻句子，则有一种方法只能考虑目标单词句子中的单词。
感谢您的帮助。我已经阅读了Word2Vec文档，找不到有关此的任何信息。
解决方法
Gensim的Word2Vec可以处理您提供给它的任何文本块。因此，当您在训练语料库中将['wooden','desk','cherry']和['long','sleeve','shirt','cotton']作为单独的项目提供时，没有训练窗口会将它们融合在一起。
（另外：在足够大的训练集中，即使发生了这种“溢出”，也不太可能产生很大的变化。这会有点随机干扰，因为源数据并不能真正暗示这些单词会一起出现，但是它抛出的曲线球应该在真实同时出现时被“真实信号”淹没。）