在python中使用相似性传播（sklearn）对word2vec向量进行聚类

Question

我想使用相似性传播对我的word2vec集群进行集群，并得到集群中心的单词。在

我目前的代码如下。在

model = word2vec.Word2Vec.load("word2vec")
word_vectors = model.wv.syn0
affprop = AffinityPropagation(affinity="precomputed", damping=0.5)
af= affprop.fit(word_vectors)

但是，这会引发以下错误： ValueError: S must be a square array (shape=(77, 300))

据我所知，300表示word2vec隐藏层维度，77表示我的词汇量大小。在

我只是想知道如何对不是方形数组的word2vec向量使用关联传播。在

请帮帮我！在

Answer 1

这是因为您声明样本之间的亲和力已经计算出来了，它总是一个方阵。因此，您可以使用已实现的欧几里得距离，或者如果要使用其他度量，则必须预先计算它，请参见下面的示例代码：

# some dummy data
word_vectors = np.random.random((77, 300))

# using eucliden distance
affprop = AffinityPropagation(affinity='euclidean', damping=0.5)
af = affprop.fit(word_vectors)

# using cosine
from sklearn.metrics.pairwise import cosine_distances
word_cosine = cosine_distances(word_vectors)
affprop = AffinityPropagation(affinity='precomputed', damping=0.5)
af = affprop.fit(word_cosine)