如何用word2vec找到两个单词短语的相似度得分？

Question

使用word2vec，可以通过

来查找单个单词的相似性得分/大多数相似单词

model.most_similar('man')
model.similarity('man', 'woman')

但是，现在我想找到单词短语的相似度得分，例如，

model.most_similar('battery life')
model.similarity('battery life', 'battery')
model.similarity('battery life', 'sound quality')

我得到了KeyError：＆＃34;字＆＃39;电池寿命＆＃39;不在词汇表＃34; 那么有可能用word2vec吗？

Answer 1

这取决于当前word2vec模型中的单词。如果它在那里，您可以使用model.most_similar("battery_life")访问它，因为库使用下划线来分隔n-gram中的单词。

Answer 2

您需要了解word2vec为您提供嵌入字词，而不是短语。在现有技术中有几种方法来产生短语嵌入。其中一些是：

• Distributed Representations of Words and Phrases and their Compositionality
• Learning Composition Models for Phrase Embeddings
• Learning Continuous Phrase Representations and Syntactic Parsing with Recursive Neural Networks

这些是生成短语嵌入的好方法。

但是，如果您只是希望通过单词嵌入来嵌入短语，那么您可以concatenate/add/average在短语中嵌入单词。{/ p>

例如：

phrase_embedding['battery life'] = word_embedding['battery'] + word_embedding['life']

这里，'+'表示两个单词向量的连接。