为什么model.wv.similarity()在Word2Vec中的输出结果与model.wv.similar()不同？

Question

我已经训练了一个Word2Vec模型，我正在尝试使用它。当我输入“动力”中最相似的单词时，输出如下：

动力系统 0.6429724097251892
驱动力 0.5936785936355591
动能 0.5788494348526001
动力车 0.5579575300216675
引擎 0.5339343547821045
推动力 0.5152761936187744
扭力 0.501279354095459
新动力 0.5010953545570374
支撑力 0.48610919713974
精神力量 0.47970670461654663

但问题是，如果输入model.wv.similarity('动力','动力系统')，就会得到结果0.0，这与

0.6429724097251892

更让我困惑的是，当我得到单词'动力‘和单词'驱动力’的下一个相似之处时，它显示了

3.689349e+19

那为什么呢？我对相似之处有误解吗？我需要有人告诉我！守则是：

res = model.wv.most_similar('动力')
for r in res:
    print(r[0],r[1])
print(model.wv.similarity('动力','动力系统'))
print(model.wv.similarity('动力','驱动力'))
print(model.wv.similarity('动力','动能'))

产出：

动力系统 0.6429724097251892
驱动力 0.5936785936355591
动能 0.5788494348526001
动力车 0.5579575300216675
引擎 0.5339343547821045
推动力 0.5152761936187744
扭力 0.501279354095459
新动力 0.5010953545570374
支撑力 0.48610919713974
精神力量 0.47970670461654663
0.0
3.689349e+19
2.0

Answer 1

我编写了一个函数来替换model.wv.similarity方法。

def Similarity(w1,w2,model):
    A = model[w1]; B = model[w2]
    return sum(A*B)/(pow(sum(pow(A,2)),0.5)*pow(sum(pow(B,2)),0.5)

其中w1和w2是您输入的单词，model是您培训过的Word2Vec模型。

Answer 2

从模型中直接使用相似方法是不可取的。它有一些额外的逻辑，在评估结果之前执行向量归一化。您应该直接使用vw，因为正如他们的文档中所述，对于单词向量来说，如何训练它们是不重要的，因此它们应该被看作是独立的结构，模型只是获得它的手段。

这是简短讨论，如果您想进一步研究的话，它应该给您提供起点。

Answer 3

这可能是一个编码问题，您实际上不是在比较相同的令牌。

尝试下面的方法，看看它是否给出了更接近您预期的结果。

res = model.wv.most_similar('动力')
for r in res:
    print(r[0],r[1])
print(model.wv.similarity('动力', res[0][0]))
print(model.wv.similarity('动力', res[1][0]))
print(model.wv.similarity('动力', res[2][0]))

如果是这样的话，您可以进一步了解为什么模型可能报告以动力系统 (etc)形式打印的字符串，但不匹配键入的代码字符串文本(如'动力系统' (etc) )。例如：

print(res[0][0]=='动力系统')
print(type(res[0][0]))
print(type('动力系统'))