Gensim的WMD模型返回无穷大，求适配技术技能场景的预训练模型建议

1. 核心原因是word2vec-google-news-300的训练语料以通用新闻内容为主，技术类专有名词覆盖率极低，只要两个待计算文本序列中存在任意一个不在模型词表内的词汇，WMD计算就会直接返回inf。你可以先执行print("django" in model)验证，大概率返回False，这就是你输入两个相同django仍返回无穷大的原因。
2. 你提供的测试代码存在两处拼写错误：导入模块时写的是大写API，后续调用用的是小写api，会直接报错；词汇列表里"aws" "cli"中间缺少逗号、reddis拼写应为redis，错误拼写的词汇也会无法匹配词表。

• Stack Exchange 300维预训练词向量：基于Stack Overflow等技术社区全量内容训练，几乎覆盖所有主流编程语言、开发工具、技术架构专有名词，是技术文本相似度计算的首选方案，技术领域词汇覆盖率比谷歌新闻词向量高出90%以上。
• CodeSearchNet预训练词向量：由GitHub基于千万级代码仓库和配套技术文档训练，同时适配自然语言技术描述和代码标识符，适合同时涉及代码和技术文本的计算场景。
• 中文技术社区预训练词向量：如果你的计算场景涉及中文技术内容，可选用基于国内开发者社区、技术博客语料训练的版本，对中英文混合的技术描述适配性更好。

import gensim.downloader as api
# 加载技术领域预训练模型后测试
model = api.load("stack-exchange-300")

# 提前验证词汇是否在词表
print("django" in model)
print("kafka" in model)

distance = model.wmdistance(
    ["kafka"], 
    ["django","pip","conda","python","django","java","springboot","rest","microservices","microservices","redis","kafka","consumer","publisher","spark","storm","rabbitmq","customer", "service","eventbus","service","aws","aws","cli","azure","google","cloud","shell","bash","script","config","lambda"]
)
print(distance)

内容的提问来源于stack exchange，提问作者Vishakha Nagpal