我使用gensim构建两个单词嵌入（word2vec模型）并使用model.save(model_name)命令将其保存为（word2vec1和word2vec2）两个不同的语料库（两个语料库有些相似，类似意味着它们与第1部分和第2部分相关书）。假设，两个语料库的顶部单词（就频率或出现而言）是同一个单词（假设它是a）。
如何计算两个word2vec模型中提取的顶部单词（比如'a'）的相似度（cosine-similarity or similarity）？ most_similar()会在这种情况下有效地运作吗？
我想知道两个不同生成模型的相似程度，相同的单词（a）是多少相关？
任何想法都深受赞赏。
你似乎对word2vec有错误的想法。它不为一个单词提供一个绝对向量。它设法找到相对于其他单词的单词的表示。因此，对于相同的语料库，如果你运行word2vec两次，你将获得同一个单词的2个不同的向量。当您将其与其他单词向量进行比较时，意义就出现了。
king - man将永远与queen - woman接近（余弦相似），无论你训练多少次。但是每列火车后它们会有不同的矢量。
在您的情况下，由于2个模型的训练方式不同，因此比较相同单词的向量与比较两个随机向量相同。你应该比较相对关系。也许是这样的：model1.most_similar('dog') vs model2.most_similar('dog')
但是，要回答你的问题，如果你想比较2个向量，你可以这样做。但结果将毫无意义。
只需从每个模型中取出矢量并手动计算余弦相似度。
vec1 = model1.wv['computer']
vec2 = model2.wv['computer']
print(np.sum(vec1*vec2)/(np.linalg.norm(vec1)*np.linalg.norm(vec2)))