使用Gensim Word2Vec实现嵌入层时遇'int不可迭代'错误求助

先把你的错误核心拆解清楚：TypeError: 'int' object is not iterable，这个问题完全是参数传错和变量混淆导致的，咱们一步步来修复：

1. 定位错误的直接诱因 #

看你调用train_word2vec的代码：

embedding_weights = train_word2vec(y_train, vocab['w2idx'], num_features=embedding_dim, min_word_count=min_word_count, context=context)

再对比函数定义的参数列表：

def train_word2vec(sentence_matrix, vocabulary_inv, num_features=300, min_word_count=1, context=10):

你犯了两个致命的参数传递错误：

• 第一个参数传成了y_train（标签数据），但函数需要的是训练用的文本索引矩阵X_train（每个元素是由单词索引组成的句子列表，比如[[0,1,2], [3,4], ...]）；
• 第二个参数传成了vocab['w2idx']（word到idx的映射，比如{'hello': 0, 'world':1}），但函数需要的是idx到word的映射vocab['idx2w']（比如{0: 'hello', 1: 'world'}）。

这就导致函数里的vocabulary_inv.items()遍历出来的word变量其实是整数类型的索引，而Gensim的Word2Vec模型只接受字符串类型的词作为查询参数。当你传入整数时，它会错误地尝试把这个整数当成可迭代对象遍历（比如像列表那样逐个取元素），于是就抛出了int不可迭代的错误。

2. 修复参数传递问题 #

先修正调用train_word2vec的代码，把参数传对：

# 注意：第一个参数是训练文本索引矩阵X_train，第二个是idx到word的映射vocab['idx2w']
embedding_weights = train_word2vec(X_train, vocab['idx2w'], num_features=embedding_dim, min_word_count=min_word_count, context=context)

这里的X_train必须是你清洗文本后，将每个句子转换成单词索引序列的二维数组，绝对不能用标签数据y_train。

3. 修复函数内的潜在bug #

再看train_word2vec函数里的一行错误代码：

pyplot.scatter(embedding_model)

matplotlib.pyplot.scatter需要传入x和y坐标，直接传Word2Vec模型会报错，建议删除这行，或者换成可视化词向量的正确代码（比如用PCA降维后再绘图）：

# 替换掉原来的pyplot.scatter(embedding_model)
from sklearn.decomposition import PCA

# 取出词向量和对应的词
words = list(embedding_model.wv.vocab.keys())
vectors = embedding_model.wv[words]

# PCA降维到2D
pca = PCA(n_components=2)
reduced_vectors = pca.fit_transform(vectors)

# 绘图（只画前50个词避免太拥挤）
pyplot.figure(figsize=(10,10))
for i, word in enumerate(words[:50]):
    pyplot.scatter(reduced_vectors[i,0], reduced_vectors[i,1])
    pyplot.text(reduced_vectors[i,0]+0.01, reduced_vectors[i,1]+0.01, word)
pyplot.show()

4. 验证修复效果 #

修正后，函数里生成embedding_weights的代码就能正常工作了：

• vocabulary_inv是idx到word的映射，所以word是字符串类型的合法词；
• embedding_model[word]会正确取出该词对应的词向量，不会再出现类型错误。

内容的提问来源于stack exchange，提问作者Hai.ha