Python中GloVe、Word2Vec等文本向量化模型的训练向量存储属性问询

嘿，刚入坑Python和无监督学习的话，这些文本向量化模型的向量存储方式确实容易懵，我给你逐个拆解清楚：

• Word2Vec（Gensim实现）：训练好的词向量都存在wv这个属性里。比如要取单个词的向量，直接用word2vec_model.wv["sample_word"]；如果要获取所有词的向量矩阵，用word2vec_model.wv.vectors就行，对应的词表可以通过word2vec_model.wv.index_to_key拿到。
• GloVe：如果是用Gensim加载预训练的GloVe向量，那和Word2Vec一样，向量存在wv属性里，用法完全兼容。要是你自己用原始GloVe工具训练，训练完会生成词表和向量两个独立文件，得自己把它们加载成字典或者numpy数组来用——这种情况下没有内置的模型属性存储，但转成Gensim格式后就可以用wv了。
• FastText（Gensim实现）：和Word2Vec的逻辑一致，词向量存在wv属性里，用fasttext_model.wv["target_word"]就能取词向量。另外它支持子词特征，子词相关的向量分别存在wv.vectors_vocab（词表内词的向量）和wv.vectors_ngrams（子词向量）里。
• TF-IDF（Scikit-learn实现）：这个模型比较特殊，它没有直接把训练文档的向量存在模型属性里，但你可以用tfidf_model.transform(train_corpus)生成训练集的TF-IDF矩阵，这个矩阵就是所有训练文档的向量表示。另外，特征词的IDF值存在idf_属性里，对应的词表在vocabulary_属性中。
• Doc2Vec（Gensim实现）：你已经熟悉的docvecs在新版本Gensim里被换成了dv属性（不过旧版本还是保留docvecs），要获取某个文档标签的向量，用doc2vec_model.dv["your_doc_tag"]就行，所有文档的向量矩阵可以通过doc2vec_model.dv.vectors获取。

小提醒：不同库的实现细节会有差异，比如Gensim旗下的几个模型（Word2Vec、FastText、Doc2Vec）属性风格很统一，但Scikit-learn的TF-IDF是另一种设计逻辑，用的时候要注意区分所属库~

内容的提问来源于stack exchange，提问作者Dela