获得距离矩阵，并设有从word2vec模型

Question

我已生成使用gensim一个巨大的语料库word2vec模型矩阵，我需要使用k以群集词汇均值聚类用于我需要：

1. 余弦距离矩阵（到词，所以矩阵的大小的number_of_words X number_of_words）
2. 设有矩阵（字特征，所以矩阵的大小是number_of_words X number_of_features（200））

为特征矩阵我试图给我们ex = model.wv，我得到的对象类型为gensim.models.keyedvectors.KeyedVectors，它比我期望的要小得多的特征矩阵将会是

有没有办法直接使用这个对象来生成k-意味着集群？

Answer 1

在gensim的Word2Vec模型中，原始number_of-words x number_of_features单词向量的numpy数组在model.wv.syn0中。 （您可以使用model.wv.vocab字典学习字符串令牌到阵列的插槽分配，或model.wv.index2word列表学习阵列槽对词分配。）

的成对距离不预计算，所以你必须自己创建。而对于典型的词汇量来说，它可能不实用。 （例如，使用10万字词汇表，以最有效的方式存储所有成对距离将需要大约100,000^2 * 4 bytes/float/2 = 20GB的可寻址空间。