Gensim Word2Vec 最相似的不同结果Python

Question

我有第一本txt格式的哈利波特书。在此基础上，我创建了两个新的txt文件：第一个文件中，Hermione的所有出现都被Hermione_1替换；第二个文件中，Hermione的所有出现都被Hermione_2替换。然后我将这两个文本连接起来创建一个长文本，并将其作为Word2Vec的输入。 这是我的代码：

import os
from gensim.models import Word2Vec
from gensim.models import KeyedVectors

with open("HarryPotter1.txt", 'r') as original, \
        open("HarryPotter1_1.txt", 'w') as mod1, \
        open("HarryPotter1_2.txt", 'w') as mod2:

    data=original.read()
    data_1 = data.replace("Hermione", 'Hermione_1')
    data_2 = data.replace("Hermione", 'Hermione_2')
    mod1.write(data_1 + r"\n")
    mod2.write(data_2 + r"\n")

with open("longText.txt",'w') as longFile:
    with open("HarryPotter1_1.txt",'r') as textfile:
        for line in textfile:
            longFile.write(line)
    with open("HarryPotter1_2.txt",'r') as textfile:
        for line in textfile:
            longFile.write(line)


model = ""
word_vectors = ""
modelName = "ModelTest"
vectorName = "WordVectorsTestst"

answer2 = raw_input("Overwrite  embeddig? (yes or n)")
if(answer2 == 'yes'):
    with open("longText.txt",'r') as longFile:
        sentences = []
        single= []
        for line in longFile:
            for word in line.split(" "):
                single.append(word)
            sentences.append(single)

    model = Word2Vec(sentences,workers=4, window=5,min_count=5)

    model.save(modelName)
    model.wv.save_word2vec_format(vectorName+".bin",binary=True)
    model.wv.save_word2vec_format(vectorName+".txt", binary=False)
    model.wv.save(vectorName)

    word_vectors = model.wv

else:
    model = Word2Vec.load(modelName)
    word_vectors = KeyedVectors.load_word2vec_format(vectorName + ".bin", binary=True)

    print(model.wv.similarity("Hermione_1","Hermione_2"))
    print(model.wv.distance("Hermione_1","Hermione_2"))
    print(model.wv.most_similar("Hermione_1"))
    print(model.wv.most_similar("Hermione_2"))

model.wv.most_similar("Hermione_1")和{}怎么可能给我不同的输出？ 他们的邻居完全不同。这是四个印刷品的输出：

^{pr2}$

Answer 1

训练word2Vec模型在一定程度上是随机的。这就是为什么你会得到不同的结果。另外，Hermione_2开始出现在文本数据的后半部分。在我对数据处理过程的理解中，当Hermione_1上下文已经建立，这个单词的向量也是这样，你在完全相同的上下文中引入第二个单词，算法试图找出两者之间的区别。 其次，你使用了一个很短的向量，这可能会低估概念空间的复杂性。由于简化，你得到的两个向量没有任何重叠。在