Windows下基于python3使用word2vec训练中文维基百科语料(三)

对前两篇获取到的词向量模型进行使用：

代码如下：

import gensim
model = gensim.models.Word2Vec.load('wiki.zh.text.model')
flag=1
while(flag):
    word = input("Please input the key_word:
")
    if word in model:
        print(model['word'])
        # 词相似度
        result = model.most_similar(word)
        for e in result:
            print(e[0], e[1])
    else:
        print('单词不在字典中')

    flag=int(input("do you want to input next(yes=1,no=0):
"))

#计算两个单词相似度
print ("水杯和水瓶的相似度为：",model.similarity('水杯','水瓶'))

#模型还提供了一个方法，用于寻找离群词：
print (model.doesnt_match(u"早餐 晚餐 午餐 中心".split()))
#我们还可以根据给定的条件推断相似词，比如下面的代码中，我们找到一个跟篮球最相关，跟计算机很不相关的第一个词：
print (model.most_similar(positive=['篮球'],negative=['计算机'],topn=1))

输出结果：

（1）求“漂亮”的向量：

结果：

（2）输出“漂亮”的相似词，以及他们之间的相关度：

结果：

（3）输出“水杯”和“水瓶”之间的相似度：

 

结果：

（4）寻找“离群词”

 

结果：

（5）根据给定的条件推断相似词：

结果：

 现在所有的工作就都结束啦！！！之后可以根据不同的要求来进行不同的应用啦！