NLP中实现Word2Vec模型时出现KeyError错误该如何解决？

错误原因 #

你触发报错的核心原因是遍历Gensim Word2Vec词向量对象的写法错误：
Gensim的KeyedVectors（也就是w2v_model.wv对应的类）不支持直接用list()强制转换，直接迭代该对象时，它会把迭代的整数索引当成词汇的key去查询词向量，你的词表里根本不存在141101这个数字字符串组成的词汇，自然抛出KeyError。

解决方案 #

1. 正确获取词表长度 #

不需要转list，直接调用len()即可：

print(len(w2v_model.wv))

2. 正确获取所有词汇列表 #

Gensim 4.x及以上版本使用index_to_key属性获取所有词汇的有序列表：

all_words = w2v_model.wv.index_to_key

如果是3.x旧版本，替换为all_words = w2v_model.wv.index2word即可。

3. 遍历所有词向量的正确写法 #

for word in w2v_model.wv.index_to_key:
    # 拿到单个词的向量
    vec = w2v_model.wv[word]
    # 后续处理逻辑

补充检查（可选） #

你的预处理逻辑里设置了if(cleaned_words.isalpha())，只有纯字母的词才会进入训练语料，如果你需要保留数字类的词汇，可以删掉这个判断，避免有效信息丢失。

内容的提问来源于stack exchange，提问作者Rishabh Talwar