下面是一个使用Python中的gensim库训练Word2Vec模型并计算词相似度的代码示例：
from gensim.models import Word2Vec
# 定义语料库，这里以一个简单的句子列表为例
sentences = [['I', 'love', 'coding'],
['coding', 'is', 'fun'],
['Python', 'is', 'awesome']]
# 训练Word2Vec模型
model = Word2Vec(sentences, min_count=1)
# 计算词语相似度
similarity_score = model.wv.similarity('coding', 'Python')
print(f"词语相似度: {similarity_score}")
在这个示例中，我们首先定义了一个简单的句子列表作为语料库。然后使用Word2Vec类训练模型，min_count参数表示最低词频阈值。之后，我们可以使用训练好的模型通过wv.similarity()方法来计算两个词语的相似度。
注意：在实际应用中，通常会使用更大规模和更多复杂的语料库来训练Word2Vec模型，以获得更准确和有意义的结果。
内容由零声教学AI助手提供，问题来源于学员提问
![error: ‘%s’ directive writing up to 63 bytes into a region of size between 33 and 96 [-Werror=format-overflow=]](https://linuxcpp.0voice.com/zb_users/upload/2023/05/202305162216114425773.png)
