如何用Word2Vec获取相似度阈值以上词汇？是否支持threshold参数？

嘿，刚好对这个问题熟！gensim里的Word2Vec most_similar()方法本身并没有直接支持threshold参数的用法，没法像你设想的那样直接传入阈值过滤结果。不过有两种简单的办法可以实现你要的需求：

• 方法一：先批量获取相似词，再手动过滤
  你可以先调用most_similar()时传入一个足够大的topn值，甚至用topn=None来返回所有词汇的相似度结果，之后再通过列表推导式筛选出相似度高于阈值的条目。举个实际代码例子：

  # 获取所有与"france"相关的词汇及对应相似度
  all_similar = model.most_similar(positive=['france'], topn=None)
  # 筛选相似度≥0.9的结果
  high_similar = [(word, sim) for word, sim in all_similar if sim >= 0.9]
  # 输出结果
  for item in high_similar:
      print(f"{item[0]}: {item[1]:.4f}")
  

  要是你的词汇量特别大，topn=None可能会有点慢，也可以先设一个较大的topn（比如500），先取这些高排名的结果再过滤——通常高相似度的词都会排在前面，这样效率会更高。

• 方法二：自定义封装函数（可选）
  如果你经常需要按阈值筛选的功能，可以自己封装一个小函数，把获取和过滤的逻辑整合起来，用起来更顺手：

  def most_similar_with_threshold(model, positive, threshold):
      all_similar = model.most_similar(positive=positive, topn=None)
      return [(word, sim) for word, sim in all_similar if sim >= threshold]
  
  # 调用自定义函数获取结果
  result = most_similar_with_threshold(model, ['france'], 0.9)
  

需要注意的是，Word2Vec输出的相似度范围是[-1, 1]，所以0.9确实是一个比较严格的高相似标准，返回的结果数量可能不会太多哦。

内容的提问来源于stack exchange，提问作者sss90