如何使用gensim Word2Vec的输入或输出向量计算词相似度？

核心实现逻辑 #

Gensim 已经封装了成熟的向量计算工具，不需要手动实现余弦相似度计算、排序逻辑，只需单独把对应向量矩阵加载到KeyedVectors实例中，即可直接调用most_similar方法。

具体操作步骤 #

1. 仅使用输入向量计算相似词 #

默认model.wv.most_similar本身就是基于输入向量（即model.syn0/model.wv.vectors）计算，直接调用即可：

# 输入向量计算Top10相似词，和常规用法完全一致
model.wv.most_similar("目标词", topn=10)

2. 仅使用输出向量计算相似词 #

你只需要把输出向量矩阵单独封装为KeyedVectors对象即可：

from gensim.models import KeyedVectors

# 初始化输出向量实例，维度和训练的词向量维度保持一致
output_kv = KeyedVectors(vector_size=model.vector_size)
# 加载词表与输出向量矩阵，旧版本Gensim可把model.trainables.syn1neg替换为model.syn1neg
output_kv.add_vectors(list(model.wv.index_to_key), model.trainables.syn1neg)

# 调用方法计算输出向量下的Top10相似词
output_kv.most_similar("目标词", topn=10)

补充说明 #

• 上述方法复用了Gensim内置的优化计算逻辑，比手动用Numpy实现余弦相似度计算效率高很多，尤其适合大词表场景。
• 如果是旧版本Gensim，词表获取可替换为model.wv.index2word。

内容的提问来源于stack exchange，提问作者coder11