如何将(2,300)数组转为(,300)均值数组？Gensim实现方案

• 直接使用Gensim词向量模型的get_mean_vector()方法就能满足需求，它会自动对传入的tokens对应的词向量做逐元素均值计算，直接返回形状为(300,)的一维数组。
• 对比你当前用的wv[filtered_tokens]：这个写法返回的是每个token对应的词向量组成的二维数组（shape=(2,300)），而get_mean_vector()内部已经封装了均值计算逻辑，无需额外处理。

代码修改示例 #

原来的函数：

def preprocess_and_vectorize(text):
    # 这里是你的文本预处理逻辑，得到filtered_tokens
    filtered_tokens = preprocess_text(text)
    # 返回二维数组
    return wv[filtered_tokens]

修改后：

def preprocess_and_vectorize(text):
    filtered_tokens = preprocess_text(text)
    # 返回一维均值数组
    return wv.get_mean_vector(filtered_tokens)

额外说明 #

如果你想手动用numpy实现（虽然你倾向于Gensim方法），其实可以用np.mean(wv[filtered_tokens], axis=0)，axis=0参数指定按列（对应每个特征维度）取均值，同样能得到(300,)的数组。

内容的提问来源于stack exchange，提问作者elandil2