写一个用python运行的word2vec程序，要求：能够计算文本中多个词语间的相似度；批注都注释好

好的，这里提供一个使用gensim库实现的word2vec程序，能够计算文本中多个词语间的相似度。以下是代码及注释：

import gensim
import numpy as np

# 加载已经训练好的word2vec模型，需要提前准备好模型文件
model = gensim.models.KeyedVectors.load_word2vec_format('model.bin', binary=True)

# 计算两个单词的相似度
similarity = model.similarity('word1', 'word2')
print('Similarity between "word1" and "word2": ', similarity)

# 计算多个单词的相似度
words = ['word1', 'word2', 'word3']
vectors = []  # 保存所有单词的向量
for w in words:
    if w in model.vocab:  # 确保单词在模型中存在
        vectors.append(model[w])

if vectors:
    # 将向量转换为矩阵，按行排列
    matrix = np.vstack(vectors)
    # 计算矩阵的余弦相似度矩阵
    similarity_matrix = np.dot(matrix, matrix.T)
    # 打印相似度矩阵
    print('Similarity matrix:')
    print(similarity_matrix)
else:
    print('Some words are not in the model vocabulary.')

需要注意的是，代码中的`model.bin`是一个二进制文件，需要提前准备好。可以使用gensim库中的`Word2Vec`类进行训练，也可以使用已经训练好的模型文件。在计算多个单词的相似度时，需要先将每个单词的向量按行排列成一个矩阵，再计算矩阵的余弦相似度矩阵。