调用SparseTermSimilarityMatrix.inner_product()报bool对象解包错误

错误原因 #

调用SparseTermSimilarityMatrix.inner_product()时，传入的normalized=True不符合方法参数要求。该方法的normalized参数需要接收一个二元组（比如(True, True)），分别对应X向量和Y向量是否需要归一化；但你传入了单个布尔值True，导致代码尝试将单个布尔值拆成两个变量时触发错误。

从报错的源码行normalized_X, normalized_Y = normalized能明显看出，方法期望normalized是可迭代的二元结构，单个布尔值无法被解包。

解决方案 #

将normalized=True替换为二元组形式，根据需求选择以下任意一种：

• 同时归一化X和Y：normalized=(True, True)
• 只归一化X：normalized=(True, False)
• 只归一化Y：normalized=(False, True)
• 保持原有向量的归一化状态：normalized=('maintain', 'maintain')

修改后的代码示例：

from gensim.similarities import (
    WordEmbeddingSimilarityIndex,
    SparseTermSimilarityMatrix
)

w2v_model         = api.load("glove-wiki-gigaword-50")
similarity_index  = WordEmbeddingSimilarityIndex(w2v_model)
similarity_matrix = SparseTermSimilarityMatrix(similarity_index, dictionary)

score = similarity_matrix.inner_product(
    X = [
        (0, 1), (1, 1), (2, 1), (3, 2), (4, 1), 
        (5, 1), (6, 1), (7, 1), (8, 1), (9, 1), 
        (10, 1), (11, 1), (12, 1), (13, 1), (14, 1), 
        (15, 1), (16, 3)
    ], 
    Y = [(221, 1), (648, 1), (8238, 1)], 
    normalized = (True, True)  # 修改为二元组形式
)

内容的提问来源于stack exchange，提问作者Amit Pathak