1.訓練詞向量代碼如下：
#訓練詞語為向量表示
def w2v_train(self):

    ques = self.cu.execute(‘select question from activity‘)#將所有問題內容作為預料訓練一個w2v模型
    da_all = []
    for d in ques:
        da_all.append(d[0])
    sentences = self.get_text(da_all)
    model = Word2Vec()
    model.build_vocab(sentences)
    model.train(sentences,total_examples = model.corpus_count,epochs = model.iter)
    model.save("./tmp/user_w2corpus")
訓練的結果為一個詞一個向量
2.重新將某用戶的每個問題取出來進行分詞，然後聚類
 

def simmetric_topic_A(self,clust_num,userid):
    from sklearn.cluster import KMeans
    from sklearn.externals import joblib
    texts=self.get_dict(userid)[1]  # 詞匯
    texts_len=len(texts)
    model = gensim.models.Word2Vec.load(‘./tmp/user_w2corpus‘)
    texts_vec=[]#將每個計算完單個句子的向量的結果存儲到該列表即返回句子向量
    X=[]
    for text in texts:#將每個句子循環一次
        text_vec=np.zeros((100,))#由於默認的w2v訓練得到的向量維度為100，所以初始化為100,開始初始化為0，但是如果該句子中只有一個詞匯並且該詞匯沒有訓練到，則維度無法與之前保持一致
        for t in text:#每個句子中的每個詞匯的向量求和
            try:
               # text_vec+=model[t]#得到句子向量
               X.append(model[t])#將詞加入X,某個詞如果出現在多個文檔中，則會加入X多次
            except Exception as e:
                print(‘訓練的向量集合中沒有留下該詞匯‘,e)
3.發現聚類效果還可以，但是用來聚類的詞由於每個問題中會有重復詞，所以會導致最後用於聚類的詞有很多一樣的，於是我將詞去重後重新聚類，但是效果卻十分不好，聚類的質心根本沒有達到想要的效果（質心對應的詞不能代表該用戶關註的某個主題），
而有重復詞的卻達到了我想要的效果，是因為樣本量大的原因嗎？但是我是通過計算詞匯向量之間的相似度來聚類的，不過我控制了聚類個數，但是去重前後的詞不變，按理說不該聚類中心變化不是嗎？？？
 

基於w2v詞向量聚類出現的問題（有待解決）