Spacy词向量检查与Python列表推导式语法的技术咨询

嗨，我来帮你梳理这两个问题，顺便修正下代码里的小问题：

问题1：列表推导式的语法是否正确？ #

你写的if if else语法是完全不正确的，列表推导式并不支持这种写法。

列表推导式的常见结构只有两种：

• 过滤型：[表达式 for 元素 in 可迭代对象 if 条件1 if 条件2] —— 多个if是逻辑AND关系，用来筛选要处理的元素，这部分不能加else
• 条件表达式型：[表达式 if 条件 else 其他表达式 for 元素 in 可迭代对象] —— else要放在生成元素的表达式部分，用来根据条件生成不同结果

你的需求是：如果两个词都有向量就计算相似度、否则往newlist里加标记，这种涉及同时生成两个列表（排序用的相似度列表+无匹配标记列表）的逻辑，用普通for循环实现会更清晰、可读性更强，强行用列表推导式反而会把代码搞乱，还容易出语法错误。

问题2：检查词汇向量的方式是否正确？ #

你调用doc.vocab的方式是错误的——代码里根本没定义doc这个变量啊！正确的做法是用你加载的模型实例nlp的词汇表，也就是nlp.vocab。

另外补充两个关键点：

1. 检查单个词的向量是否存在，应该先获取对应的Lexeme对象，再判断has_vector属性，比如：

   lexeme = nlp.vocab["crank"]
   print(lexeme.has_vector)  # 输出True/False
   

2. 像403 (b)这种多词短语，Spacy的词汇表里不会有对应的条目（词汇表是基于单个token的），所以你需要把短语拆成token，检查每个token是否都有向量，才能确保后续的相似度计算是有效的——如果某个token没有向量，Doc的相似度计算会自动用零向量补全，结果会不准确。

修正后的代码示例 #

我把你的代码重构了一下，解决了上述问题，同时保留了你的核心需求：

import en_vectors_web_lg
from operator import itemgetter

nlp = en_vectors_web_lg.load()
mylist_x = ['crank', 'spindle', '403 (b)', 'education']
mylist_y = ['engine', 'Blockchain', 'data', 'husk']
newlist = []

for token1 in mylist_x:
    # 检查当前x的词/短语是否所有token都有向量
    doc_x = nlp(token1)
    x_has_valid_vectors = all(token.has_vector for token in doc_x)
    
    similarity_pairs = []
    for token2 in mylist_y:
        # 检查当前y的词/短语是否所有token都有向量
        doc_y = nlp(token2)
        y_has_valid_vectors = all(token.has_vector for token in doc_y)
        
        if x_has_valid_vectors and y_has_valid_vectors:
            sim_score = doc_x.similarity(doc_y)
            similarity_pairs.append((token1, token2, sim_score))
        else:
            newlist.append(f"无匹配：'{token1}' 和 '{token2}'")
    
    # 取相似度最高的前1个结果
    top_similar = sorted(similarity_pairs, key=itemgetter(2), reverse=True)[:1]
    print(f"针对'{token1}'的相似度结果：{top_similar}")

print("\n所有无匹配的词对：", newlist)

内容的提问来源于stack exchange，提问作者antara risqu