我正在使用 Gensim 加载我的 fasttext .vec 文件，如下所示。
m=load_word2vec_format(filename, binary=False)
但是，如果我需要加载.bin 文件来执行m.most_similar("dog")、m.wv.syn0、m.wv.vocab.keys() 等命令，我会感到困惑？如果有，该怎么做？
或者.bin文件对于执行这个余弦相似度匹配并不重要？
请帮帮我！
【问题讨论】：
标签： python word2vec gensim fasttext
gensim-lib 已经发展，因此一些代码片段已被弃用。这是一个实际可行的解决方案：
import gensim.models.wrappers.fasttext
model = gensim.models.wrappers.fasttext.FastTextKeyedVectors.load_word2vec_format(Source + '.vec', binary=False, encoding='utf8')
word_vectors = model.wv
# -- this saves space, if you plan to use only, but not to train, the model:
del model
# -- do your work:
word_vectors.most_similar("etc")
【讨论】：
可以使用以下内容：
from gensim.models import KeyedVectors
model = KeyedVectors.load_word2vec_format(link to the .vec file)
model.most_similar("summer")
model.similarity("summer", "winter")
现在使用该模型的许多选项。
【讨论】：
如果您希望以后能够使用其他数据重新训练 gensim 模型，您应该像这样保存整个模型：model.save("fasttext.model")。
如果您仅使用 model.wv.save_word2vec_format(Path("vectors.txt")) 保存词向量，您仍然可以执行向量提供的任何功能 - 例如相似度，但您将无法使用更多数据重新训练模型。
请注意，如果要保存整个模型，则应将文件名作为字符串传递，而不是按照文档 here 中的建议将其包装在 get_tmpfile 中。
【讨论】：
也许我回答得晚了： 但在这里你可以在文档中找到你的答案：https://github.com/facebookresearch/fastText/blob/master/README.md#word-representation-learning 示例用例
这个库有两个主要用例：词表示学习和文本分类。这些在两篇论文 1 和 2 中都有描述。 词表示学习
为了学习词向量，如1中所述，这样做：
$ ./fasttext skipgram -input data.txt -output 模型
其中 data.txt 是包含 UTF-8 编码文本的训练文件。默认情况下，词向量将考虑 3 到 6 个字符的字符 n-gram。在优化结束时，程序将保存两个文件：model.bin 和 model.vec。 model.vec 是一个包含单词向量的文本文件，每行一个。 model.bin 是一个二进制文件，其中包含模型的参数以及字典和所有超参数。二进制文件可以稍后用于计算词向量或重新开始优化。
【讨论】：