Python 利用Word2Vec计算词语相似度（gensim实现）

最新推荐文章于 2025-05-21 08:52:37 发布

原创

最新推荐文章于 2025-05-21 08:52:37 发布 · 1.6w 阅读

79 ·

CC 4.0 BY-SA版权

文章标签：

#Python #Word2vec

本文介绍了如何使用gensim库训练中文词向量，通过skip-gram算法计算词语之间的余弦相似度。主要内容包括设置gensim参数如词向量维度、窗口大小、词频过滤阈值等，并探讨了不同参数对结果的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

使用 gensim 训练中文词向量，计算词语之间的相似度。

输入：语料库，txt文件。

输出：余弦相似度。

实现代码：

# -*- coding: utf-8 -*-

import logging

from gensim import models
from gensim.models import word2vec


def main():
    logging.basicConfig(format='%(asctime)s : %(levelname)s : %(message)s', level=logging.INFO)
    sentences = word2vec.LineSentence("output.txt")
    model = word2vec.Word2Vec(sentences, size=250)

    # 保存模型，供以后使用
    model.save("word2vec.model")

    # 模型读取
    # model = word2vec.Word2Vec.load("your_model_name")

    logging.basicConfig(format='%(asctime)s : %(levelname)s : %(message)s', level=logging.INFO)
    model = models.Word2Vec.load('word2vec.model')

    print("提供 3 种测试模式\n")
    print("输入一个词，则去寻找前一百个该词的相似词")
    print("输入两个词，则去计算两个词的余弦相似度")
    print("输入三个词，进行类比推理")

    while True:
        try:
            query = input('')
            q_list = query.split()

            if len(q_list) == 1: