Gensim 4.3.0中Word2Vec无infer_vector属性，求替代句向量生成方法

环境信息 #

Name: gensim
Version: 4.3.0
Summary: Python framework for fast Vector Space Modelling
Home-page: http://radimrehurek.com/gensim
Author: Radim Rehurek
Author-email: me@radimr

报错情况 #

使用Word2Vec将句子转换为向量时，调用infer_vector方法触发以下错误：

AttributeError: 'Word2Vec' object has no attribute 'infer_vector'

现有代码 #

# 输入：clean_data[:3]
# 输出：
# [['good'],
#  ['nice'],
#  ['its',
#   'ok',
#   'but',
#   'still',
#   'not',
#   'work',
#   'some',
#   'times',
#   'please',
#   'upgrade',
#   'a',
#   'valuable',
#   'process']]

from gensim.models import Word2Vec

model= Word2Vec(clean_data, vector_size=100, min_count=2, sg=1)
model.train(clean_data,total_examples=model.corpus_count,epochs=model.epochs)

# 触发报错的代码行
model.infer_vector(['its','ok','but','still','not','work','some','times','please','upgrade','a','valuable','process'])

要求必须使用Word2Vec，请问有没有其他方法可将句子转换为向量？

Gensim 4.x版本中Word2Vec类已移除infer_vector方法，以下是两种基于Word2Vec模型的句子向量化替代方案：

• 手动计算词向量平均值：遍历句子中的词，过滤掉模型未收录的词后取向量均值

  def get_sentence_vector(sentence, word2vec_model, vec_size):
      valid_vecs = []
      for word in sentence:
          if word in word2vec_model.wv:
              valid_vecs.append(word2vec_model.wv[word])
      # 若所有词都未被收录，返回零向量
      return sum(valid_vecs) / len(valid_vecs) if valid_vecs else [0.0]*vec_size
  
  # 调用示例
  target_sentence = ['its','ok','but','still','not','work','some','times','please','upgrade','a','valuable','process']
  sentence_vec = get_sentence_vector(target_sentence, model, 100)
  

• 使用KeyedVectors内置方法：model.wv（即KeyedVectors实例）提供了现成的get_mean_vector方法，自动处理未收录词

  target_sentence = ['its','ok','but','still','not','work','some','times','please','upgrade','a','valuable','process']
  sentence_vec = model.wv.get_mean_vector(target_sentence)
  

额外提示 #

• 你的代码中model.train调用是冗余的：初始化Word2Vec时已自动完成训练，重复训练会导致模型参数不必要的迭代更新。
• 当前设置min_count=2会过滤掉出现次数不足2次的词（比如示例中的good、nice），如果需要这类词参与计算，建议调整该参数。

内容的提问来源于stack exchange，提问作者user41968