Word2Vec：使用 Gensim 上传预训练的 word2vec 文件时收到错误答案

【问题标题】：Word2Vec: Error received at uploading a pre-trained word2vec file using GensimWord2Vec：使用 Gensim 上传预训练的 word2vec 文件时收到错误
【发布时间】：2019-06-25 15:11:35
【问题描述】：

我在尝试上传预训练的 word2vec 文件时收到错误消息（用 fasttext 编译）使用 Gensim。文件具有“.vec”扩展名和可以在这里找到： http://89.38.230.23/word_embeddings/we/corola.300.20.vec.zip

到目前为止我已经尝试过：选项 1：来自 gensim.models 的 KeyedVectors 选项 2：FastText 包装器

#Option 1
    from gensim.models import KeyedVectors
    model = KeyedVectors.load_word2vec_format('Word_embeddings/corola.300.20.vec', binary=True)
######

#Option 2
    from gensim.models.wrappers import FastText
    model = FastText.load_word2vec_format('Word_embeddings/corola.300.20.vec')

错误选项 1：UnicodeDecodeError: 'utf-8' codec can't decode byte 位置 0 中的 0x9b：无效的起始字节

弃用错误选项 2：弃用警告：弃用。采用 gensim.models.KeyedVectors.load_word2vec_format 代替。

我需要正确的方法来成功上传word2vec文件，使用 gensim。

谢谢。

【问题讨论】：

哪个类用于训练corola.300.20.vec.zip 文件，它是如何保存的？当您使用同一个类加载文件时会发生什么？（另外：DeprecationWarning 不是致命错误。如果您在尝试第二种方法时看到的确实如此，那么您可能仍然有一个工作负载 model。）

标签： python nlp gensim word2vec fasttext

【解决方案1】：

有时，使用unicode_errors='ignore' 参数就可以了，因为单词嵌入文件中可能存在错误。试试看：

model = KeyedVectors.load_word2vec_format('Word_embeddings/corola.300.20.vec', binary=True, unicode_errors='ignore')

【讨论】：