给出一段word2vec应用示例，基于gensim

Word2Vec是一种用于将单词转换为向量表示的技术，它可以用于许多自然语言处理任务，例如文本分类和语义分析。下面是一个基于gensim库的Word2Vec应用示例：

from gensim.models import Word2Vec

# 定义一个句子列表
sentences = [['this', 'is', 'the', 'first', 'sentence', 'for', 'word2vec'],
             ['this', 'is', 'the', 'second', 'sentence'],
             ['yet', 'another', 'sentence'],
             ['one', 'more', 'sentence'],
             ['and', 'the', 'final', 'sentence']]

# 训练Word2Vec模型
model = Word2Vec(sentences, min_count=1)

# 获取单词向量
vector = model.wv['sentence']

# 找到与给定单词最相似的单词
similar_words = model.wv.most_similar('sentence')

在这个示例中，我们首先定义了一个包含多个句子的列表。然后，我们使用gensim库中的Word2Vec类来训练一个Word2Vec模型。在训练完成后，我们可以使用模型的wv属性来获取单词向量。最后，我们使用most_similar方法来找到与给定单词最相似的单词。