word2vec怎么预训练词向量

根据提供的引用内容，我们可以使用gensim中的word2vec API来预训练词向量。下面是一个简单的示例代码：

from gensim.models import Word2Vec
sentences = [["cat", "say", "meow"], ["dog", "say", "woof"]]
model = Word2Vec(sentences, min_count=1)

在这个示例中，我们使用了两个句子来训练模型，每个句子都是一个词列表。min_count参数指定了一个词在语料库中出现的最小次数，如果一个词出现的次数小于这个值，那么它将被忽略。训练完成后，我们可以使用model.wv来访问词向量，例如：

vector = model.wv['cat']

这将返回一个长度为100的词向量，其中100是我们在训练时指定的向量维度。我们还可以使用model.wv.most_similar()方法来查找与给定词最相似的词，例如：

similar_words = model.wv.most_similar('cat')

这将返回一个包含最相似词及其相似度得分的元组列表。