使用稀疏矩阵时，它突然杀死了内核和退出代码139。与Gensim一起使用稀疏矩阵格式时发生的。
当将矩阵乘另一个矩阵，甚至使用matrix.sum()时，故障会发生。
使用scipy创建矩阵：
matrix = scipy.sparse.csc_matrix((data, indices, indptr), shape=(num_terms, num_docs), dtype=dtype)
结果，矩阵（num_terms）的形状与最大（索引）不匹配，这会导致numpy对内存地址做出错误的假设。
如果我们称呼：
创建矩阵后，可以很容易地避免这种情况matrix.check_format()
对矩阵进行了一些理智检查。如果使用Gensim，只需使用高num_features即可。只要不低于实际数字，它不必是您的实际功能数量。
编辑以获取更多详细信息：
使用Gensim，您可能正在使用以下方式进行文档相似性。
sim_method = gensim.similarities.SparseMatrixSimilarity(documents, num_features=max_index)
如果"文档"包含比max_index更高的ID，则会导致错误。
Gensim简单地包装Scipy稀疏矩阵对象。在其上调用check_format使用：
sim_method.index.check_format()
当您尝试在另一个文档语料库上使用这种相似性分数时，可能会发生更可能发生错误。
sim_method[query_documents]
再次，如果query_documents包含的ID高于创建sim方法时给出的max_index - 它将导致错误。
在这里，Gensim完全隐藏了Scipy矩阵，因此您无法直接致电check_format，您只需要检查自己的输入并确保那里没有错误。