以下是一个简单的示例代码，用于训练Word2Vec模型并计算词相似度：
from gensim.models import Word2Vec
# 训练Word2Vec模型
sentences = [["I", "like", "apple"], ["I", "love", "banana"], ["They", "eat", "orange"]]
model = Word2Vec(sentences, min_count=1)
# 计算词语相似度
similarity_score = model.wv.similarity("apple", "banana")
print("Apple 和 Banana 的相似度：", similarity_score)
在上面的示例中，我们使用了gensim库来实现Word2Vec模型。首先，我们准备了一些句子作为训练数据（这里只是一个简单的示例），然后通过Word2Vec类来训练模型。
在训练完成后，我们可以使用wv.similarity(word1, word2)函数来计算两个词语之间的相似度。在示例中，我们计算了”apple”和”banana”之间的相似度，并将结果打印出来。
请注意，以上只是一个简化的示例代码，并没有考虑到许多参数和优化技巧。在实际应用中，您可能需要根据自己的数据和需求进行更详细的设置和调整。
内容由零声教学AI助手提供，问题来源于学员提问
