gensim - 强制 gensim 的 word2vec 向量为正？

Gensim 没有内置功能允许在训练期间应用这种额外的约束/正则化。

您可能应该尝试解释您对这个特殊要求的“非常复杂”的原因。可能有更好的方法来实现真正的最终目标，而不是将通常在原点周围粗壮平衡的向量硬塞到非负表示中。

值得注意的是，一篇名为“ All-but-the-Top: Simple and Effective Postprocessing for Word Representations ”的论文建议可以通过后处理来改进词向量，以确保它们在原点周围更加平衡，而不是更少（这似乎是一个可靠的典型负采样配置的副作用）。

如果您仍然有兴趣在相反的方向上进行实验——将通常的 word2vec 词向量转换为所有维度均为正的表示形式——我可以想到一些琐碎的、肤浅的方法来实现这一目标。我不知道它们是否真的会保留或破坏向量中的有益特性——但你可以尝试一下，看看。例如：

您可以尝试简单地将所有负尺寸设置为 0.0 - 截断。（丢失了大量信息，但如果一个简单的实验给你带来了你所寻求的任何好处，可能会给出一个快速的指示。）
您可以找到出现在任何向量中的任何位置的最大负维度，然后将其绝对值添加到所有其他维度。瞧！现在没有向量维度低于 0.0。（您也可以按每个维度的方式尝试此操作 - 仅使用具有最低维度 #0 值的正确维度 #0。或者，尝试对每个维度进行其他重新缩放，以使先前高度负的值为 0.0，并且以前的高度正值保持在原处或仅稍微移动。）
您可以尝试将原始词向量中的每个维度转换为转换集中的两个维度：一个是原始正值，或者 0.0 如果它是负数，第二个维度是原始负值的绝对值，或者 0.0如果它是积极的。（或类似地：一维是原始值的绝对值，一维是 0.0 或 1.0，具体取决于原始值是负数还是正数。）

可能还有其他更复杂的因式分解/分解，用于在仅具有非负单个值的变换数组中重新表示完整的词向量集，但我不知道它们，除了认为它可能值得寻找他们。

而且，这些转换中的任何一个是否适用于您的下一步，谁知道呢？但这可能值得一试。（如果其中任何一个提供了令人惊讶的好结果，很高兴在后续评论中听到！）