假设给定m个单词𝑎𝑖(1 ≤ 𝑖 ≤ 𝑚)，每个单词对应一个n维向量𝑤𝑖(1 ≤ 𝑖 ≤ 𝑚)。 再给定一个 n 维向量 v。定义每个单词𝑎𝑖的“分数”为其对应的词向量𝑤𝑖与给定 向量 v 的内积。现在给定一串由单词𝑎𝑖(1 ≤ 𝑖 ≤ 𝑚)组成的文本。请计算并输出文 4 5 本中每个单词所对应的“分数”。这里保证，对于文本中的每个单词，一定已经 给出过它的词向量，并且文本中的单词不含标点符号，仅由空格分隔。

假设输入的单词向量为一个 m 行 n 列的矩阵 W，其中第 i 行表示单词𝑎𝑖对应的词向量，输入的待计算分数的向量为一个长度为 n 的行向量 v。那么我们可以按照如下步骤计算每个单词的分数：

1. 将输入的文本按照空格分割成单词列表。

2. 对于每个单词，找到它在单词列表中的索引 i。

3. 计算单词𝑎𝑖对应的分数，即将向量𝑤𝑖和向量 v 做内积，得到以下公式：

𝑠𝑐𝑜𝑟𝑒(𝑎𝑖) = 𝑤𝑖 · 𝑣

4. 输出每个单词的分数。

以下是 Python 代码实现：

import numpy as np

# 输入单词向量矩阵 W 和待计算分数的向量 v
W = np.array([...])  # m 行 n 列
v = np.array([...])  # 1 行 n 列

# 输入文本
text = "word1 word2 word3 ..."

# 按照空格分割文本成单词列表
words = text.split()

# 计算每个单词的分数
for word in words:
    # 找到单词在单词向量矩阵 W 中的索引 i
    i = np.where(words == word)[0][0]
    # 计算单词对应的分数
    score = np.dot(W[i], v)
    # 输出分数
    print(word, ":", score)

其中，np.where(words == word)[0][0] 表示找到单词在单词列表中的索引 i。注意到 np.where 返回的是一个长度为 1 的元组，因此需要使用 [0][0] 取出索引值。