找出某个单词X附近经常出现哪些单词的最佳方法是什么？ （注意：不是哪个单词与单词X最相似）
我有GloVe单词向量，因此每个向量代表不同环境中某个单词的分布（每个维度都是一个环境）。那么如何从每个环境中检索单词？换句话说，如何检索仅在其中一个维度上相似的单词？
我尝试只在一个维度上寻找更靠近X的单词，而忽略了其余部分，但这给了我垃圾话。
P.S。 到目前为止，我发现N个最接近的单词（通过余弦相似性）到单词X，然后将K-means聚类应用于这些单词。它工作得很好，但我担心N个最接近的单词不一定是出现在单词X附近的单词，而是出现在单词X环境中的单词。
编辑： 澄清：简单地收集n-gram计数是不够的，因为我一直在寻找一种方法，只使用向量，即无法访问语料库本身。原因是一些免费提供的预训练载体是在数据的数据上进行训练的。例如，如果以某种方式从预训练的矢量中获取这些信息，那么存储普通爬行的整个n-gram计数将是非常浪费的。
答案 0 :(得分：0)
如果您真正想要的是“哪些单词出现在单词X附近”，那么您根本不需要来自word2vec / glove的那种“密集”单词向量。只需扫描您的语料库，并计算共现（在您感兴趣的窗口内）。
然后，您将获得确切的计数，而不是其他间接相关表示的估计值。
（如果您需要有关如何进行此类计数的更多指导，请搜索与[单词共生矩阵]相关的资源。）
答案 1 :(得分：0)
虽然我确实认为，对同现的简单计算会更好，你也可以使用许多嵌入方法来做到这一点。
Word2vec实际上构建了两个映射。编码器和解码器。
我们通常只使用编码器，两个矢量应该非常相似。但是为了找到共同出现的单词，显而易见的方法是使用编码器进行编码，然后在 decoder 中找到最相似的向量。因为这些模拟上下文。
但要注意：大肆宣传的神经词汇嵌入＆＃34;真正关注可替代性。我们可以用哪个词来代替。因此，您可能首先会看到同义词和这样的词，然后是具有相似上下文但其他角色的词。
使用简单的基于计数的方法，您可以更好地控制它们的作用：预测单词一起出现的概率。