gensim most_similar 有positive和negative，怎么用？
gensim most_similar with positive and negative, how does it work?
我正在阅读 关于 Gensim 的内容 most_similar:
it performs vector arithmetic: adding the positive vectors,
subtracting the negative, then from that resulting position, listing
the known-vectors closest to that angle.
但是我测试的时候，并不是这样的。我用 Gensim "text8" 数据集训练了一个 Word2Vec 并测试了这两个：
model.most_similar(positive=['woman', 'king'], negative=['man'])
>>> [('queen', 0.7131118178367615), ('prince', 0.6359186768531799),...]
model.wv.most_similar([model["king"] + model["woman"] - model["man"]])
>>> [('king', 0.84305739402771), ('queen', 0.7326322793960571),...]
它们显然不一样。即使是第一个中的女王分数是 0.713 而第二个中的 0.732 也不相同。
所以我再问一遍，Gensim most_similar是如何工作的？为什么上面两个的结果不一样？
加法和减法不是所有它做的；具体描述请看源码：
你会看到加法和减法是在每个向量的 unit-normed 版本上，通过 get_vector(key, use_norm=True) 访问器。
如果您将 model[key] 的使用更改为 model.get_vector(key, use_norm=True)，您应该会看到目标向量的方法外计算给出与让该方法结合 [=13] 相同的结果=] 和 negative 向量。
我正在阅读 most_similar:
it performs vector arithmetic: adding the positive vectors, subtracting the negative, then from that resulting position, listing the known-vectors closest to that angle.
但是我测试的时候，并不是这样的。我用 Gensim "text8" 数据集训练了一个 Word2Vec 并测试了这两个：
model.most_similar(positive=['woman', 'king'], negative=['man'])
>>> [('queen', 0.7131118178367615), ('prince', 0.6359186768531799),...]
model.wv.most_similar([model["king"] + model["woman"] - model["man"]])
>>> [('king', 0.84305739402771), ('queen', 0.7326322793960571),...]
它们显然不一样。即使是第一个中的女王分数是 0.713 而第二个中的 0.732 也不相同。
所以我再问一遍，Gensim most_similar是如何工作的？为什么上面两个的结果不一样？
加法和减法不是所有它做的；具体描述请看源码：
你会看到加法和减法是在每个向量的 unit-normed 版本上，通过 get_vector(key, use_norm=True) 访问器。
如果您将 model[key] 的使用更改为 model.get_vector(key, use_norm=True)，您应该会看到目标向量的方法外计算给出与让该方法结合 [=13] 相同的结果=] 和 negative 向量。