如何查看Word2Vec模型及相关计算变量的具体内容？

嘿，我明白你想拆解这个小语料库上的Word2Vec+软余弦相似度流程，还想深挖每个环节的具体数值对吧？我来一步步教你怎么查看这些对象的内容，顺便理清楚每一步的计算逻辑～

word_vectors 是Word2Vec模型训练出的所有词向量的集合，咱们可以直接提取里面的细节：

• 查看语料库中所有被训练的词汇：

  print("所有训练词汇：", word_vectors.index_to_key)
  

• 查看单个词汇的具体向量值（比如你的语料里有"apple"）：

  print("'apple'的词向量：", word_vectors['apple'])
  

• 查看词向量的维度（Word2Vec默认是100维，你也可以在初始化时用size参数修改）：

  print("词向量维度：", word_vectors.vector_size)
  

计算过程解释：
因为你设置了min_count=1，语料里哪怕只出现一次的词都会被纳入训练。Word2Vec默认用CBOW模式，会根据每个词的上下文窗口（默认是5个词），不断调整词向量的数值，让语义相近的词向量在空间里更靠近，最终得到每个词的分布式表示。

termsim_index 是封装了词向量相似度计算的索引，本质是用余弦相似度衡量词与词的语义距离。要查看具体的词对相似度，可以这么做：

• 查看指定两个词的相似度：

  print("'apple'和'banana'的相似度：", termsim_index.similarity('apple', 'banana'))
  

• 遍历所有词对，查看全部相似度：

  from itertools import combinations
  # 先拿到字典里的所有词汇
  all_words = list(dictionary.token2id.keys())
  for word1, word2 in combinations(all_words, 2):
      sim_score = termsim_index.similarity(word1, word2)
      print(f"{word1} ↔ {word2} 的相似度：{sim_score:.4f}")
  

计算过程解释：
这个索引的核心逻辑就是余弦相似度公式：cosθ = (向量A · 向量B) / (||向量A|| × ||向量B||)，它把词向量的点积结果归一化到[-1,1]区间，值越接近1说明两个词语义越相似。

similarity_matrix 是稀疏格式的词-词相似度矩阵，对应字典中每个词两两之间的相似度。因为你的语料很小，完全可以转成稠密矩阵查看：

• 转换成稠密矩阵并打印：

  import numpy as np
  dense_sim_matrix = similarity_matrix.to_dense()
  print("词-词相似度矩阵：")
  print(np.round(dense_sim_matrix, 4))  # 保留4位小数更易读
  

• 查看指定词对应的相似度行（比如字典中第0个词）：

  print("字典第0个词的相似度行：", similarity_matrix.get_row(0))
  

• 查看矩阵的形状（对应字典的词汇数量）：

  print("相似度矩阵形状：", similarity_matrix.shape)
  

计算过程解释：
它以termsim_index为基础，遍历字典里的每一对词，计算它们的余弦相似度，然后把结果存储为稀疏矩阵（节省内存，不过小语料用稠密矩阵也没问题）。矩阵中第(i,j)位置的数值，就是字典里第i个词和第j个词的语义相似度。

docsim_index 是用来快速计算文档间软余弦相似度的索引，num_best=10表示会返回每个文档最相似的前10个文档。查看方法如下：

• 查看单个文档的相似结果（比如第0个文档）：

  similar_docs = docsim_index[0]
  print("第0个文档的Top10相似文档：")
  for doc_idx, sim_score in similar_docs:
      print(f"文档{doc_idx}，相似度：{sim_score:.4f}")
  

• 生成完整的文档相似度矩阵（小语料适用）：

  doc_sim_matrix = []
  for i in range(len(bow_corpus)):
      # 提取相似度分数，按文档索引排序
      sorted_scores = sorted(docsim_index[i], key=lambda x: x[0])
      doc_sim_matrix.append([score for _, score in sorted_scores])
  print("文档-文档相似度矩阵：")
  print(np.round(np.array(doc_sim_matrix), 4))
  

计算过程解释：
软余弦相似度和普通余弦不同，它不要求文档有完全匹配的词，而是通过词相似度矩阵，把文档的BoW向量转换成“语义加权”后的向量，再计算这些向量之间的余弦相似度。比如文档A里的"apple"和文档B里的"banana"，会通过它们的词相似度贡献到文档相似度中，而不是直接忽略不匹配的词。

内容的提问来源于stack exchange，提问作者Susan-l3p