使用 t-sne 可视化从 gensim 生成的 word2vec

我使用 gensim 在我自己的语料库上训练了 doc2vec 和相应的 word2vec。我想使用 t-sne 和单词来可视化 word2vec。如图所示，图中的每个点也带有“单词”。

我在这里看了一个类似的问题：word2vec 上的 t-sne https://stackoverflow.com/questions/40581010/how-to-run-tsne-on-word2vec-created-from-gensim

接下来，我有这个代码：

导入gensim 将 gensim.models 导入为 g

from sklearn.manifold import TSNE
import re
import matplotlib.pyplot as plt

modelPath="/Users/tarun/Desktop/PE/doc2vec/model3_100_newCorpus60_1min_6window_100trainEpoch.bin"
model = g.Doc2Vec.load(modelPath)

X = model[model.wv.vocab]
print len(X)
print X[0]
tsne = TSNE(n_components=2)
X_tsne = tsne.fit_transform(X[:1000,:])

plt.scatter(X_tsne[:, 0], X_tsne[:, 1])
plt.show()

这给出了一个带有点但没有文字的图形。也就是说我不知道​​哪个点代表哪个单词。如何显示带点的单词？

答案分为两部分：如何获取单词标签，以及如何在散点图上绘制标签。

gensim 的 word2vec 中的单词标签

model.wv.vocab是 {word: 数值向量的对象} 的字典。将数据加载到X对于 t-SNE，我做了一处更改。

vocab = list(model.wv.key_to_index)
X = model.wv[vocab]

这完成了两件事：（1）它为您提供了一个独立的vocab要绘制的最终数据帧的列表，以及 (2) 当您建立索引时model，您可以确定您知道单词的顺序。

像以前一样继续

tsne = TSNE(n_components=2)
X_tsne = tsne.fit_transform(X)

现在让我们把X_tsne与vocab列表。这对于 pandas 来说很容易，所以import pandas as pd如果你还没有的话。

df = pd.DataFrame(X_tsne, index=vocab, columns=['x', 'y'])

词汇是indices现在的数据框。

我没有你的数据集，但在other SO https://stackoverflow.com/questions/40581010/how-to-run-tsne-on-word2vec-created-from-gensim你提到的一个例子df使用 sklearn 的新闻组看起来像

                        x             y
politics    -1.524653e+20 -1.113538e+20
worry        2.065890e+19  1.403432e+20
mu          -1.333273e+21 -5.648459e+20
format      -4.780181e+19  2.397271e+19
recommended  8.694375e+20  1.358602e+21
arguing     -4.903531e+19  4.734511e+20
or          -3.658189e+19 -1.088200e+20
above        1.126082e+19 -4.933230e+19

散点图

我喜欢 matplotlib 的面向对象方法，所以这开始有点不同。

fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)

ax.scatter(df['x'], df['y'])

最后，annotate方法将标记坐标。前两个参数是文本标签和二元组。使用iterrows()，这可以非常简洁：

for word, pos in df.iterrows():
    ax.annotate(word, pos)

[感谢里卡多在评论中提出的建议。]

Then do plt.show() or fig.savefig()。根据您的数据，您可能不得不搞乱ax.set_xlim and ax.set_ylim看到浓密的云层。这是没有任何调整的新闻组示例：

您也可以修改点的大小、颜色等。祝微调愉快！