semantic map word2vec代码

以下是一个使用Word2Vec模型构建语义地图的示例代码：

import gensim
import numpy as np
from sklearn.manifold import TSNE
import matplotlib.pyplot as plt

# 加载预训练的Word2Vec模型
model = gensim.models.KeyedVectors.load_word2vec_format('path/to/word2vec/model.bin', binary=True)

# 获取一些相关单词的向量
words = ['apple', 'orange', 'banana', 'grape', 'pineapple', 'lemon']
vectors = [model[word] for word in words]

# 使用t-SNE算法将高维向量降至二维
tsne = TSNE(n_components=2, random_state=0)
vectors_tsne = tsne.fit_transform(vectors)

# 绘制语义地图
plt.figure(figsize=(10, 10))
plt.scatter(vectors_tsne[:, 0], vectors_tsne[:, 1], marker='o')

for i, word in enumerate(words):
    plt.annotate(word, (vectors_tsne[i, 0], vectors_tsne[i, 1]))

plt.show()

在这个示例中，我们首先加载了预训练的Word2Vec模型。然后，我们选择一些相关的单词，并获取它们对应的向量。接下来，我们使用t-SNE算法将高维向量降至二维，以便于可视化。最后，我们使用matplotlib库绘制了语义地图，其中每个单词表示为一个点，并在图上进行标注。

请注意，你需要将代码中的`path/to/word2vec/model.bin`替换为你自己的Word2Vec模型文件路径。此外，还需要安装所需的库（如gensim、numpy、scikit-learn和matplotlib）。