Word2Vec训练中vocab过小导致KeyError或零向量，主因是min_count过高或预处理不当；应设min_count=1（小语料）、规范清洗、检查model.wv.key_to_index，并统一使用gensim 4.x的model.wv接口与.save()格式。

Word2Vec 训练时 vocab 太小，build_vocab 报 KeyError 或向量全为零

常见现象是训练完模型后，调用 model.wv['apple'] 报错，或返回全零向量。根本原因是词频阈值（min_count）设得太高，或分词后单字/停用词没清理，导致目标词根本没进词汇表。

• min_count 默认是 5，语料少时建议设为 1；但设太低会引入噪声词，影响相似度计算稳定性
• 训练前务必做基础清洗：小写化、去标点、过滤空格和纯数字（除非业务需要），但别过早删停用词——Word2Vec 需要上下文连贯性
• 检查 model.wv.key_to_index 确认目标词是否存在，比直接索引更安全：

  if 'apple' in model.wv: print(model.wv['apple'])

用 model.wv.similarity 算两个词相似度，结果总是 0.0 或报 KeyError

这不是函数本身的问题，而是输入词不在训练后的向量空间里。Word2Vec 不支持 OOV（未登录词）的自动泛化，也不会 fallback 到子词或拼写纠错。

• 必须确保两个词都出现在 model.wv.key_to_index 中，否则直接抛异常或返回 0.0（取决于版本）
• 相似度计算本质是余弦相似度，对向量长度敏感；如果用了 vector_size=100 但语料极短，向量可能未充分收敛，相似度数值会异常集中（如全在 0.8–0.9）
• 避免拿不同预处理方式的词去比：比如训练用的是分词后带 _ 的短语（'new_york'），查询时却传 'New York'

训练完想查最相近词，model.wv.most_similar 返回一堆无关词

典型症状是查 'king' 却得到 ['kings', 'queen', 'royal'] 这类表面相关但语义漂移的结果。问题往往出在语料分布或参数失配。

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

• window 设太大（如 >10）会让远距离词强行建立关联，中小规模语料建议用 5–8
• sg=1（Skip-gram）对低频词更友好，但容易过拟合；sg=0（CBOW）更稳，适合高频场景，两者结果不可直接比较
• 不要忽略 topn 参数默认是 10——如果只想要最强相关项，显式写 topn=1，避免被后续弱信号干扰判断

用 gensim.models.Word2Vec 加载旧模型时报 AttributeError: 'Word2Vec' object has no attribute 'wv'

这是 gensim 4.x 版本升级引入的兼容断层：老代码用 model['word']，新版本必须走 model.wv['word']；但更隐蔽的问题是模型保存格式。

立即学习“Python免费学习笔记（深入）”；

• gensim ≥4.0 默认用 .save() 存整个对象（含训练状态），而旧版常用 save_word2vec_format() 只存向量矩阵——后者加载后没有 wv 属性，需手动重建：

  from gensim.models import KeyedVectors<br>kv = KeyedVectors.load_word2vec_format('vectors.bin', binary=True)

• 跨版本迁移时，优先统一用 model.save('model.gensim') 和 Word2Vec.load('model.gensim')，避免格式混淆
• 加载后立刻验证：list(model.wv.key_to_index.keys())[:3]，不为空才说明 wv 正确挂载

训练和相似度计算本身不难，真正卡住人的往往是语料预处理和版本兼容这两块——它们不报错，但让结果看起来“对又不对”。