如何將預訓練的fastText向量轉換為gensim模型

Question

如何將預訓練的fastText向量轉換為gensim模型？ 我需要predict_output_word方法。

從gensim.models導入gensim從gensim.models.wrappers導入Word2Vec導入FastText

model_wiki = gensim.models.KeyedVectors.load_word2vec_format（“ wiki.ru.vec”）model3 = Word2Vec（句子= model_wiki）

----> 1中的TypeError Traceback（最近一次調用，最近一次調用）1 model3 = Word2Vec（sentences = model_wiki）＃從語料庫訓練模型

〜/ anaconda3 / ENVS /平陽霉素/ lib中/ python3.6 /站點包/ gensim /模型/ word2vec.py中的init（個體經營，句子，corpus_file，大小，α，窗口，min_count，max_vocab_size，樣品，種子，工人， min_alpha，sg，hs，負數，ns_exponent，cbow_mean，hashfxn，iter，null_word，trim_rule，sorted_vocab，batch_words，compute_loss，callbacks，max_final_vocab）765回調=回調，batch_words = batch_words，trim_rule = trim，trim = rule = trim ，窗口=窗口，766種子=種子，hs = hs，負=負，cbow_mean = cbow_mean，min_alpha = min_alpha，compute_loss = compute_loss，-> 767 fast_version = FAST_VERSION）768769 def _do_train_epoch（self，corpus_file，thread_id， ，cython_vocab，thread_private_mem，cur_epoch，

〜/ anaconda3 / ENVS /平陽霉素/ lib中/ python3.6 /站點包/ gensim /模型/ base_any2vec.py中的init（個體經營，句子，corpus_file，工人，vector_size，時代，回調，batch_words，trim_rule，SG，α，窗口，種子，hs，負數，ns_exponent，cbow_mean，min_alpha，compute_loss，fast_version，** kwargs）757提高TypeError（“您不能將生成器作為句子參數傳遞。請嘗試使用迭代器。”）758-> 759 self.build_vocab（句子=句子，corpus_file = corpus_file，trim_rule = trim_rule）760 self.train（761句子=句子，corpus_file = corpus_file，total_examples = self.corpus_count，

〜/ anaconda3 / envs / pym / lib / python3.6 / site-packages / gensim / models / base_any2vec.py在build_vocab中（自己，句子，語料庫文件，更新，progress_per，keep_raw_vocab，trim_rule，** kwargs）934“” 935 total_words，corpus_count = self.vocabulary.scan_vocab（-> 936句子=句子，corpus_file = corpus_file，progress_per = progress_per，trim_rule = trim_rule）937 self.corpus_count = corpus_count 938 self.corpus_total_words = total_

〜/ anaconda3 / envs / pym / lib / python3.6 / site-packages / gensim / models / word2vec.py在scan_vocab中（自己，句子，corpus_file，progress_per，worker，trim_rule）1569句子= LineSentence（corpus_file）
1570-> 1571 total_words，corpus_count = self._scan_vocab（句子，progress_per，trim_rule）1572 1573 logger.info（

〜/ anaconda3 / envs / pym / lib / python3.6 / site-packages / gensim / models / word2vec.py in _scan_vocab（自己，句子，progress_per，trim_rule）1538
vocab = defaultdict（int）1539 Checked_string_types = 0-> 1540 for句子_否，枚舉（句子）中的句子：1541，如果未選中，則字符串_類型：1542
如果isinstance（sentence，string_types）：

〜/ anaconda3 / envs / pym / lib / python3.6 / site-packages / gensim / models / keyedvectors.py in getitem （self，entities）337返回self.get_vector（entities）338-> 339 return vstack（[self實體中實體的.get_vector（entity）]）340 341 def 包含 （自身，實體）：

TypeError：“ int”對象不可迭代

Answer 1

根據Gensim文檔，您可以使用gensim.models.wrappers函數執行以下操作：

從Facebook的本地fasttext .bin和.vec輸出文件加載隱藏輸入的權重矩陣

這是一個例子：

from gensim.models.wrappers import FastText

model = FastText.load_fasttext_format('wiki.vec')