gensim - gensim vocab index 是对应的 1-hot-vector 中的索引吗？

Question

我正在做需要直接操作和嵌入单热向量的研究，我正在尝试使用 gensim 来为此加载预训练的 word2vec 模型。

问题是他们似乎没有直接使用 1-hot-vectors 的 api。我正在寻找解决方法。

所以我想知道是否有人知道这样做的方法？或者更具体地说，如果这些词汇索引（定义非常模糊）。可以是相应的 1-hot-vectors 的索引吗？

我发现的上下文：

• 似乎这个问题是相关的，但我尝试通过model.syn0（来自答案中的链接）访问“输入嵌入”（假设它们是单热表示），但我得到了一个非稀疏矩阵......
• 他们似乎也将单词索引称为“doctags”（搜索 Doctag/index）。
• 这是另一个问题，为索引提供了一些背景信息（尽管没有完全回答我的问题）。
• 这是官方文档：

##############################################

class gensim.models.keyedvectors.Vocab(**kwargs) 基础：对象

单个词汇项目，在内部用于收集每个词的频率/采样信息，并用于构建二叉树（包括词叶和内部节点）。

##############################################

标签： gensimword2vecone-hot-encoding

Answer 1

是的，您可以将indexgensim 的Word2Vec词向量的（位置）视为一个维度1.0- 与所有其他 V 维度一起，其中 V 是唯一词的计数，是0.0。

该实现实际上并没有创建单热向量，作为稀疏或显式表示。它只是使用单词的索引作为其密集向量的查找 - 遵循word2vec.cgensim 实现最初基于的 Google 代码路径。

（术语 'doctags' 仅与Doc2Vec- aka 'Paragraph Vector' - 实现相关。它是用于查找文档向量的不同标记/整数的名称，使用与文档内单词不同的命名空间. 也就是说，Doc2Vec您可以将'doc_007'其用作 doc-vector 名称，也称为“doctag”，即使字符串标记'doc_007'也作为单词出现在文档中，doctag-key'doc_007'和 word-vector 引用的 doc-vector由 word-key 引用的'doc_007'内部向量将不同。）