如何编写函数实现基于GloVe模型的单词转向量功能？

你可以通过以下方式实现目标函数，核心利用gensim加载的GloVe模型的下标访问特性，同时加入异常处理避免单词不在词汇表时引发报错：

基础实现版本 #

def convert_word_to_vec(word, model):
    try:
        # 直接通过模型下标获取单词对应的向量
        return model[word]
    except KeyError:
        # 处理单词不在词汇表的情况
        print(f"警告：单词 '{word}' 不在当前GloVe模型的词汇表中")
        return None

调用注意事项 #

调用时要确保传入的单词是字符串类型，正确的调用方式是：

convert_word_to_vec("lol", model)

如果像你示例里那样写convert_word_to_vec(lol, model)，Python会把lol当成变量而非字符串，会引发NameError，这点需要注意。

可选：返回零向量替代None #

如果希望单词不在词汇表时返回一个和模型向量维度一致的零向量，可以修改函数如下（需要提前导入numpy）：

import numpy as np

def convert_word_to_vec(word, model):
    try:
        return model[word]
    except KeyError:
        print(f"警告：单词 '{word}' 不在当前GloVe模型的词汇表中")
        # 返回与模型向量维度相同的零向量
        return np.zeros(model.vector_size)

内容的提问来源于stack exchange，提问作者quickhelp