word2vec如何加载已经保存的词向量文件，词向量文件格式为：94112 200 %_activity 0.002001 0.002210 -0.001915 -0.001639 0.000683 0.001511 0.000470 0.000106 -0.001802 0.001109 -0.002178 0.000625

要加载这种格式的词向量文件，可以使用Python中的`open()`方法打开文件，并逐行读取文件中的数据。以下是一个简单的示例代码：

import numpy as np

def load_vectors(file_path):
    # 打开词向量文件
    with open(file_path, 'r', encoding='utf-8') as f:
        # 获取词向量的数量和维度
        num_vectors, vector_dim = map(int, f.readline().split())
        # 初始化一个空的词向量矩阵
        vectors = np.zeros((num_vectors, vector_dim))
        # 遍历文件中的每一行
        for i, line in enumerate(f):
            # 将行拆分为单词和向量值
            parts = line.split()
            word = parts[0]
            vector = np.array(parts[1:], dtype=np.float32)
            # 将向量值存储到矩阵中
            vectors[i] = vector
    return vectors

# 加载词向量文件
vectors = load_vectors('path/to/word2vec_file.txt')

# 获取单词的向量
vector = vectors[word_index]

在这个示例中，我们首先使用`open()`方法打开词向量文件，并逐行读取文件中的数据。第一行包含了词向量的数量和维度，我们可以使用Python的`map()`方法将其转换为整数。然后，我们初始化一个空的词向量矩阵，并使用NumPy的`zeros()`方法进行创建。接下来，我们遍历文件中的每一行，将行拆分为单词和向量值。单词可以直接忽略，而向量值可以使用NumPy的`array()`方法将其转换为NumPy数组，并存储到词向量矩阵中。最后，我们可以使用词向量矩阵的索引方法获取单词的向量。