类型错误：ufunc 'add'不包含签名匹配类型 dtype 的循环

Question

我想将X_train_word2vec向量作为输入传递给Gensim Word2Vec模型。 向量类型为numpy.ndarray，例如：

X_train_word2vec[9] = array([   19,     7,     1, 20120,     2,     1,   856,   233,   671,
1,  1208,  6016,     2,    32,     0,     0,     0,     0, ....)]

当我运行此代码时：

model_word2vec = models.Word2Vec(X_train_word2vec, size=150, window=9)
model_word2vec.train(X_train_word2vec,total_examples=X_train_word2vec.shape[0], epochs=10)

我收到此错误：

TypeError: ufunc 'add' did not contain a loop with signature matching types dtype('<U11') dtype('<U11') dtype('<U11')

我已经阅读了这篇文章，其中的问题是由于输入数组中的不同数据类型引起的，但就我而言，我拥有相同类型的所有数据：int.

更新：model_Word2Vec前的代码：

tokenizer = Tokenizer()
tokenizer.fit_on_texts(X)
sequence = tokenizer.texts_to_sequences(X)
seq_max_len = 50
X_seq = pad_sequences(sequenza, maxlen=seq_max_len,padding='post',truncating='post',dtype=int)
X_train_word2vec, X_test_word2vec, y_train_word2vec, y_test_word2vec = train_test_split(X_seq, y_cat, test_size=0.2, random_state=123)

Answer 1

Gensim 的Word2Vec需要一个文本语料库——比如在其初始者的第一个参数中——这是一个字符串标记列表的可迭代序列对象。它不需要原始的 numpy 数组。

此外，如果您在实例化时确实提供了语料库，就像在您的代码行中一样......

model_word2vec = models.Word2Vec(X_train_word2vec, size=150, window=9)

。然后它将自动执行词汇构建和训练步骤。然后，您无需显式调用train()。(而且，虽然可以再次调用train()，但很少有用户需要这样做。通常的安全方法是对完整的语料库进行一次训练，然后模型"完成"。

最后，train()还期望任何语料库都是字符串标记列表的可迭代序列对象。

如果您提供了正确类型的语料库，则您会收到像您收到的错误是值得怀疑的。