Gensim 具有使用 Word2vec 查找相似单词的内置功能。您可以使用 gensim 训练 Word2Vec 模型：

model = Word2Vec(sentences, size=100, window=5, min_count=5, workers=4)

您可以利用该most_similar 功能查找前 n 个相似词。它允许您输入正面和负面单词的列表来解决“好”和“坏”的问题。你可以玩弄它。

model.most_similar(positive=[], negative=[], topn=10, restrict_vocab=None)

文档中提供的示例：

model.most_similar(positive=['woman', 'king'], negative=['man'], topn=10, restrict_vocab=None)
[('queen', 0.50882536), ...]

topn = 要输入的正负词组合列表的最近邻数。

restrict_vocab = 一个可选整数，它限制搜索最相似值的向量范围。例如，restrict_vocab=10000 只会检查词汇顺序中的前 10000 个词向量。（如果您已按频率降序对词汇表进行排序，这可能很有意义。）

这是我正在谈论的文档的链接：http: //man.hubwiz.com/docset/gensim.docset/Contents/Resources/Documents/radimrehurek.com/gensim/models/word2vec.html

以下是如何从头开始训练 word2vec 模型的链接：https ://radimrehurek.com/gensim/models/word2vec.html

您还可以查看它附带的一些其他功能，这些功能允许您仅通过单个向量找到相似的单词，您可以在第二个链接中找到这些：

self.wv.similar_by_vector()
self.wv.similar_by_word()

使用词嵌入查找同义词的自动系统是不可能的。词嵌入发现共现。例如，“好”和“坏”在语料库中同时出现，因此在嵌入空间中彼此靠近。然而，“好”和“坏”是反义词。

副驾驶系统可以工作。词嵌入可以通过找到最近的词来找到一组候选同义词，这些词是用距离度量来衡量的。然后其他方法（例如，一个人）可以在候选者中进行选择。

首先，一些背景背景：

• 非上下文词嵌入（例如 word2vec）仅反映共现统计。两个嵌入向量之间的相似性可能仅与其语义松散相关（例如，“法国”和“意大利”等国名的表示可能很接近），甚至可能存在负相关（反义词可能非常接近）。

• BERT 是子词级别，而不是词级别。这意味着在通过网络之前，有一个标记化过程将单词分成单词片段。因此，您获得的是单词片段的表示，而不是单词本身，例如对于单词“difficult”，您可能会获得像“diff”、“i”、“cult”这样的标记化。没有直接的方法可以从各个子字表示中获得“组合表示”。

所以：

• 我建议你不要使用 BERT，因为你对词级信息感兴趣，而 BERT 只提供子词级的东西。
• 我建议您查看ELMo，它提供了单词级别的上下文表示。