我知道 word2vec 是如何工作的，但是我在找出如何使用 word2vec 实现词义消歧方面遇到了麻烦。你能帮忙处理一下吗？
【问题讨论】：
标签： python nlp word2vec unsupervised-learning word-sense-disambiguation
正如@sam-h 在他的评论中提到的，这是一个正在进行的研究领域。
没有标准的或自动的方法，因此没有一个最佳实践可推荐 - 您可能需要从 `sam-h 提供的列表和其他地方筛选各种论文，以获得想法。
在许多情况下，方法不使用标准 word2vec - 在训练之前或期间添加额外的步骤 - 因为标准 word2vec 忽略了单个词标记可能具有多种对比意义的事实。因此，用于具有多种含义的单词的标准 word2vec 向量可以最终得到一个将多种不同含义“混合在一起”的向量。
论文“Linear Algebraic Structure of Word Senses, with Applications to Polysemy”中描述了一篇有趣的文章，它确实设法从现有的、词义遗忘的词向量中引导出一个多义模型，该论文还有一个不太正式的 @987654322 @。
本质上，通过假设所有标准词向量的丰富空间实际上来自较少数量的“话语”，并将词向量解释为替代“话语原子”的某种组合（因为它们的不同意义），他们可以梳理出仅以单个向量开头的单词标记的替代意义。
【讨论】：