用python写一个word2vec和k-means聚类算法

好的，我可以为您提供一个简单的示例代码，但是需要先安装 `gensim` 库和 `scikit-learn` 库。

from gensim.models import Word2Vec
from sklearn.cluster import KMeans

# 创建Word2Vec模型并训练
sentences = [["this", "is", "the", "first", "sentence", "for", "word2vec"],
             ["this", "is", "the", "second", "sentence"],
             ["yet", "another", "sentence"],
             ["one", "more", "sentence"],
             ["and", "the", "final", "sentence"]]
model = Word2Vec(sentences, min_count=1)

# 获取所有词向量
X = model[model.wv.vocab]

# 使用K-means聚类
kmeans = KMeans(n_clusters=2)
kmeans.fit(X)

# 输出每个词向量所属的聚类
for i, word in enumerate(model.wv.vocab):
    print(f"{word}: {kmeans.labels_[i]}")

这个示例代码中，我们首先使用 `gensim` 库中的 `Word2Vec` 类创建了一个 Word2Vec 模型，并使用示例句子进行了训练。然后使用 `model.wv.vocab` 获取所有词向量，将其传递给 `KMeans` 类进行聚类。最后，我们输出每个词向量所属的聚类。

请注意，这个示例代码仅用于演示目的，实际应用中需要根据数据情况进行参数的调整。