python-3.x - 如何获得 word2vec 词汇表中不存在的单词的向量？

Question

我查看了之前的帖子 link但它似乎不适用于我的情况:-

我已经预先训练过 word2vec 模型:

import gensim    
model = Word2Vec.load('w2v_model')

现在我有一个带有关键字的 Pandas 数据框:

keyword
corruption
people
budget
cambodia
.......
......

我只想在其相应的列中为每个关键字添加向量，但是
当我使用 model['cambodia']它抛出我的错误为 KeyError: "word 'cambodia' not in vocabulary"
所以我将关键字更新为:

model.train(['cambodia'])

但这对我不起作用，当我使用 model['cambodia']
它仍然给出错误为 KeyError: "word 'cambodia' not in vocabulary" .如何将新单词更新为 word2vec 词汇表，以便我可以获得它的向量？预期输出将是:-

keyword    V1         V2          V3         V4            V5         V6   
corruption 0.07397  0.290874    -0.170812   0.085428    -0.148551   0.38846 
people      ..............................................................
budget      ...........................................................

Answer 1

您可以将第一个向量初始化为 [0,0,...0]。而不在词汇表中的单词可以设置为0。

keyword    V1         V2          V3         V4            V5         V6  
0          0          0           0           0           0           0
1       0.07397  0.290874    -0.170812   0.085428    -0.148551   0.38846 
2      ..............................................................
3      ...........................................................

您可以使用两个字典来解决问题。

word2id['corruption']=1 
vec['corruption']=[0.07397 0.290874 -0.170812 0.085428 -0.148551 0.38846]
 ...
word2id['cambodia']=0 
vec['cambodia']=[0 0 0 0 0 0]