如何使用Word2Vec生成句向量？调用Word2Vec的vectorize属性报错如何解决？

报错原因 #

• 核心问题：Gensim的Word2Vec类本身没有内置vectorize方法，你调用了不存在的属性才触发了AttributeError。
• 隐藏问题：你传入Word2Vec的sentences参数格式也大概率不符合要求，Word2Vec要求输入的语料是分词后的嵌套列表结构（每一条样本对应一个分词后的词语列表），如果df['plot']是未分词的字符串，训练出来的模型也无法正常使用。
• 版本兼容提示：如果你用的是Gensim 4.0及以上版本，原size参数已经更名为vector_size，否则训练阶段也可能触发参数报错。

修复方案 #

Word2Vec原生输出的是单个词的向量，要得到整句向量，最通用的做法是将句子中所有有效词的词向量取平均值即可，自己实现对应逻辑就能解决问题。

修复后的完整代码 #

import pandas as pd
from gensim.models import Word2Vec
# 中文语料用结巴分词，英文语料可替换为nltk等对应分词工具
import jieba 

# 1. 读取数据+预处理分词
df = pd.read_csv('after stopwords.csv')
# 如果你的plot列已经是分词后的列表格式，可跳过下面的分词步骤
df['plot_cut'] = df['plot'].apply(lambda x: jieba.lcut(str(x)))

# 2. 训练Word2Vec模型
# Gensim 3.x版本把vector_size换成size即可
model = Word2Vec(sentences=df['plot_cut'], vector_size=100, window=10, min_count=3, workers=4, sg=0)
word_vectors = model.wv # 取出训练好的词向量表

# 3. 自定义句子向量生成函数
def get_sentence_vector(sentence_cut):
    # 过滤掉不在词表中的低频词/未登录词
    valid_words = [word for word in sentence_cut if word in word_vectors]
    if not valid_words: # 无有效词时返回全0向量
        return [0]*100
    # 所有有效词的向量取平均得到句子向量
    return list(word_vectors[valid_words].mean(axis=0))

# 4. 批量生成句子向量
df['plot_vector'] = df['plot_cut'].apply(get_sentence_vector)

内容的提问来源于stack exchange，提问作者Muhammad Mehran