版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/yangfengling1023/article/details/81705109
在做NLP的一些深度学习任务中，需要从提前训练好的词向量中读取词的向量表示，若自己写代码读取文件，代码相对长一些
可以利用KeyedVectors 进行向量的读取
文件的内容如下：
代码如下所示：
#coding:utf-8
import gensim
from gensim.models import KeyedVectors
word2vec_model_path = './data/data_vec.txt' ##词向量文件的位置
word2vec_model = KeyedVectors.load_word2vec_format(word2vec_model_path, binary=False,unicode_errors='ignore')
word2vec_dict = {}
for word, vector in zip(word2vec_model.vocab, word2vec_model.vectors):
if '.bin' not in word2vec_model_path:
word2vec_dict[word] = vector
else:
word2vec_dict[word] = vector /np.linalg.norm(vector)
for each in word2vec_dict:
print (each,word2vec_dict[each])
运行的结果如下所示：
如果不用KeyedVectors，则需要文件的读取，以及一行一行的读取文件的内容，分别截取出词以及词所对应的向量，这样做起来比较麻烦，搞不好还会使后续的代码出现编码问题，尤其在python2编码问题会经常出现