我使用gensim库创建一个word2vec模型。它包含函数predict_output_words()
,我对它的理解如下:
例如,我有一个模型,它是用这样一句话来训练的:“无政府主义并不是从一个特定的世界观中提供一个固定的教义体系,而是作为一种哲学而不断变化和流动。”
然后我用
model.predict_output_words(context_words_list=['Anarchism', 'does', 'not', 'offer', 'a', 'fixed', 'body', 'of', 'from', 'a', 'single', 'particular', 'world', 'view', 'instead', 'fluxing'], topn=10)
。在
在这种情况下,我能得到/预测正确的词还是省略的词“学说”?在
这条路对吗?请详细解释这个功能。在
不知您是否看过^{} 的文档?在
要回答你关于“条令”这个词的具体问题,这取决于你列出的作为上下文的单词,10个最有可能的词之一是“学说”。这意味着它必须在用于模型训练的语料库中相对频繁地出现。此外,由于“学说”似乎不是一个经常使用的词,所以其他词出现在上下文中的可能性很高。因此,如果你仅仅根据上下文中单词的返回概率,那么在这种情况下,你可能无法预测“条令”。在
相关问题 更多 >
编程相关推荐