我有 2 个不同时间戳的 node2vec 模型。我想计算两个模型之间的距离。两个模型具有相同的词汇，我们会更新模型。
我的模型是这样的
model1:
"1":0.1,0.5,...
"2":0.3,-0.4,...
"3":0.2,0.5,...
.
.
.
model2:
"1":0.15,0.54,...
"2":0.24,-0.35,...
"3":0.24,0.47,...
.
.
.
【问题讨论】：
假设您使用标准 word2vec 库来训练您的模型，每次运行都会引导一个完全独立的模型，其坐标不一定与任何其他模型可比。
（由于算法中的一些固有随机性，或在训练输入的多线程处理中，即使在完全相同的数据上运行两个训练会话也会导致不同的模型。它们应该对下游应用程序同样有用，但单个令牌可能处于任意不同的位置。）
也就是说，您可以尝试综合一些衡量两个模型差异程度的指标。例如，您可以：
选择一堆随机（或领域重要）词对。在每个模型中分别检查每对之间的相似性，然后在模型之间比较这些值。 （也就是说，比较 model1.similarity(token_a, token_b) 和 model2.similarity(token_a, token_b)。）将模型之间的差异视为所有测试的相似性差异的加权组合。
对于一些重要的相关标记集，收集每个模型中前 N 个最相似的标记。通过某种等级相关度量来比较这个列表，看看一个模型改变了每个令牌的“邻域”多少。
对于其中的每一个，我建议根据完全相同的训练数据的基线案例来验证它们的操作，这些训练数据已被打乱和/或使用不同的起始随机 seed 进行训练。他们是否将此类模型显示为“几乎等效”？如果不是，您需要调整训练参数或综合测量，直到它确实有预期的结果——来自相同数据的模型被判断为相似，即使标记具有非常不同的坐标。
另一种选择可能是从合成语料库中训练一个巨大的组合模型，其中：
foo' 在第一时代的文本中有时会变成 'foo_1'，而在第二时代的文本中有时会变成 'foo_2'。（您不想转换 all 标记在任何一个文本中到特定时代的标记，因为只有彼此共同出现的标记才会相互影响，因此您希望任何一个时代的标记有时会出现在共同/共享的变体中，但也经常出现在时代特定的变体中.)最后，原始令牌'foo'会得到三个向量：'foo'、'foo_1'和'foo_2'。它们应该都非常相似，但是特定时代的变体将相对更多地受到特定时代背景的影响。因此，这三者之间的差异（以及现在共同坐标空间中的相对运动）将表明两个时代数据之间发生的变化的幅度和种类。
【讨论】：