[人工智能]Python如何使用gensim模块中的Word2vector训练语料的向量矩阵

from gensim.models.word2vec import Word2Vec  #pip install gensim安装即可
import jieba
import pandas as pd  #导入所需的库

s=open(r'D:\语料.txt','r',encoding='utf-8') #分词
l=[]
for i in s.readlines():
    i=' '.join(jieba.cut(i[:-1]))
    l.append(i+'\n')

n_dim=300
w2vmodel=Word2Vec(vector_size=n_dim,min_count=10)
w2vmodel.build_vocab(l)       #生成词表
w2vmodel.train(l,total_examples=w2vmodel.corpus_count,epochs=10) #在训练集数据上进行建模

def m_avgvec(words,w2vmodel):       #各个词向量直接平均的方式生成整句所对应的词向量
    return pd.DataFrame([w2vmodel.wv[w]
                       for w in words if w in w2vmodel.wv]).agg('mean')

train_vec=pd.DataFrame([m_avgvec(a,w2vmodel) for a in l])  #此处a没有实际意义，单纯为了循环
print(train_vec.head())  
#显示词向量矩阵前五条，这里为最终得到的建模需用数据集的词向量矩阵

train_vec建模用词向量矩阵结果展示：

?