如何用word2vec找到兩個單詞短語的相似度分數？

Question

隨着word2vec，找到相似性得分/一個字最相似的話可以通過

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

做然而，現在我想找到一個詞短語的相似性得分，例如，

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

我得到的KeyError：「單詞'電池壽命'不在詞彙表」， 所以有可能與word2vec做到這一點？

Answer 1

這取決於當前word2vec模型中的單詞。如果在那裏，您可以使用model.most_similar("battery_life")來訪問它，因爲該庫使用下劃線以n-gram爲單位分隔單詞。

Answer 2

你需要明白，word2vec可以讓你嵌入單詞，而不是短語。在現有技術中有幾種方法可以生成短語嵌入。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

這些都是產生短語的嵌入好方法。

但是，如果你簡單地想從單詞嵌入中獲得一個短語嵌入，那麼可能你可以在詞組中嵌入單詞的單詞。

例如：

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

這裏，'+'表示兩個詞矢量的串聯。