使用Gensim库的Word2Vec无法运行，Scipy导入错误求助

问题 #

尝试使用Gensim库的Word2Vec模型对数据集进行向量化处理时，运行代码遭遇Scipy抛出的导入错误，代码如下：

from gensim.models import Word2Vec
from nltk.tokenize import word_tokenize
import nltk
nltk.download('punkt')

# Sample sentences
sentences = [
    "This is a sample sentence.",
    "Word embeddings are cool.",
    "I love natural language processing."
]

# Tokenize the sentences
tokenized_sentences = [word_tokenize(sentence.lower()) for sentence in sentences]

# Train the Word2Vec model
model = Word2Vec(sentences=tokenized_sentences, vector_size=100, window=5, min_count=1, workers=4)

# Get the vector representation of a word
word_vector = model.wv['sample']
print("Vector representation of 'sample':", word_vector)

# Get the most similar words to a given word
similar_words = model.wv.most_similar('sample')
print("Words most similar to 'sample':", similar_words)

报错信息：

ImportError: cannot import name 'triu' from 'scipy.linalg.special_matrices' (C:\Users\onkar\anaconda3\lib\site-packages\scipy\linalg\special_matrices.py)

已尝试Scipy 1.10、1.12版本及最新版本，问题仍未解决。

解决方法 #

方法1：安装兼容的Gensim版本 #

该错误核心是Gensim与Scipy版本不匹配，triu在Scipy的模块位置变更后，部分Gensim版本未同步适配。安装明确兼容的Gensim版本即可解决：

pip install gensim==4.3.2

方法2：手动修改Gensim的导入代码（临时修复） #

若不想更换版本，可直接修改Gensim依赖的导入语句：

1. 找到本地Python环境中Gensim的安装目录（比如Anaconda环境下的C:\Users\onkar\anaconda3\lib\site-packages\gensim）
2. 打开matutils.py文件，将其中的from scipy.linalg.special_matrices import triu替换为from scipy.linalg import triu
3. 保存文件后重新运行代码

方法3：替换为其他词向量工具 #

如果上述方法均无效，可改用以下替代方案：

• spaCy预训练模型：

import spacy
# 先安装模型：python -m spacy download en_core_web_sm
nlp = spacy.load("en_core_web_sm")
doc = nlp("sample")
print("Vector representation of 'sample':", doc.vector)

• Transformers预训练模型：

from transformers import BertTokenizer, BertModel
import torch

# 先安装依赖：pip install transformers torch
tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')
model = BertModel.from_pretrained('bert-base-uncased')

inputs = tokenizer("sample", return_tensors="pt")
outputs = model(**inputs)
# 取token向量的均值作为词向量
word_vector = outputs.last_hidden_state.mean(dim=1).detach().numpy()
print("Vector representation of 'sample':", word_vector)

内容的提问来源于stack exchange，提问作者Onkar Mehra