Gensim在半径为r的球中找到向量/单词

Question

我想将单词“ book”（例如）获取其矢量表示形式，将其称为v_1，并找到矢量表示位于v_1半径r的球内的所有单词，即|| v_1-v_i || <= r，对于某些实数数字r

我知道gensim具有most_similar函数，该函数可以声明要返回的顶级向量的数量，但这并不是我所需要的。 我当然可以使用蛮力搜索并得到答案，但这会很慢。

Answer 1

如果使用topn=0调用most_similar() ，它将返回原始未排序的余弦相似度到模型已知的所有其他词。 （这些相似性不会与单词中的元组相似，而只是与index2entity属性中的单词相同的顺序。）

然后，您可以使用诸如numpy的argwhere类的功能过滤那些高于您的首选阈值的相似性，并仅返回那些索引/单词。

例如：

target_word = 'apple'
threshold = 0.9
all_sims = wv.most_similar(target_word, topn=0)
satisfactory_indexes = np.argwhere(all_sims > threshold)
satisfactory_words = [wv.index2entity[i] for i in satisfactory_indexes]