我已经按照此链接给出的说明对我的语料库进行了 w2v 和 k-means 训练。
https://ai.intelligentonlinetools.com/ml/k-means-clustering-example-word2vec/
我想做什么 一种。查找给定单词的集群 ID 湾。从给定单词的簇中获取前 20 个最接近的单词。
我已经弄清楚了如何在给定集群中使用单词。我想要的是找出在给定集群中更接近我给定单词的单词。
感谢任何帮助。
【问题讨论】：
标签： python-3.x cluster-analysis k-means word2vec supervised-learning
您的链接指南，其给定的数据，有点误导。您无法从仅 30 个单词的语料库中获得有意义的 100 维单词向量（gensim Word2Vec 类默认值）。这种模型的结果将是无意义的，对于聚类或其他下游步骤毫无用处——因此，任何声称展示此过程并具有真实结果的教程都应该使用更多的数据。
如果您实际上使用了更多的数据，并且成功地对单词进行了聚类，Word2Vec 模型的most_similar() 函数将为您提供任何给定输入单词的前 N 个（默认为 10）最近的单词。 （具体来说，它们会以(word, cosine_similarity)元组的形式返回，按照cosine_similarity的最高排名。）
Word2Vec 模型当然忽略了聚类的结果，因此您必须过滤这些结果以丢弃感兴趣的聚类之外的单词。
我假设您有一些查找对象cluster，对于cluster[word]，它会为您提供特定单词的集群 ID。 （这可能是一个字典，或者在提供的向量上执行 KMeans-model predict() 的东西，无论如何。）而且，total_words 是模型中的单词总数。 （例如：total_words = len(w2v_model.wv)。那么你的逻辑应该大致是这样的
target_cluster = cluster[target_word]
all_similars = w2v_model.wv.most_similar(target_word, topn=total_words)
in_cluster_similars = [sim for sim in all_similars
if cluster[sim[0]] = target_cluster]
如果您只想要前 20 个结果，请剪辑到 in_cluster_similars[:20]。
【讨论】：