只是出于好奇，但是我正在调试gensim的FastText代码，以复制单词外（OOV）单词的实现，但我无法实现。因此，我要遵循的过程是用玩具语料库训练一个小模型，然后比较词汇中单词的结果向量。这意味着，如果整个过程都正常，则输出数组应该相同。
这是我用于测试的代码：
from gensim.models import FastText
import numpy as np
# Default gensim's function for hashing ngrams
from gensim.models._utils_any2vec import ft_hash_bytes
# Toy corpus
sentences = [['hello', 'test', 'hello', 'greeting'],
['hey', 'hello', 'another', 'test']]
# Instatiate FastText gensim's class
ft = FastText(sg=1, size=5, min_count=1, \
window=2, hs=0, negative=20, \
seed=0, workers=1, bucket=100, \
min_n=3, max_n=4)
# Build vocab
ft.build_vocab(sentences)
# Fit model weights (vectors_ngram)
ft.train(sentences=sentences, total_examples=ft.corpus_count, epochs=5)
# Save model
ft.save('./ft.model')
del ft
# Load model
ft = FastText.load('./ft.model')
# Generate ngrams for test-word given min_n=3 and max_n=4
encoded_ngrams = [b"<he", b"<hel", b"hel", b"hell", b"ell", b"ello", b"llo", b"llo>", b"lo>"]
# Hash ngrams to its corresponding index, just as Gensim does
ngram_hashes = [ft_hash_bytes(n) % 100 for n in encoded_ngrams]
word_vec = np.zeros(5, dtype=np.float32)
for nh in ngram_hashes:
word_vec += ft.wv.vectors_ngrams[nh]
# Compare both arrays
print(np.isclose(ft.wv['hello'], word_vec))
对于比较数组的每个维，此脚本的输出为False。
如果我错过了某件事或做错了什么，如果有人可以指出我的话，那就太好了。预先感谢！
一个完整单词的FastText单词矢量的计算不是just其字符n-gram矢量的总和，而是一个原始的完整单词矢量，该单词也已针对词汇中的单词进行了训练。
您从ft.wv[word]中获得的已知单词的完整单词向量已经预先计算了此组合。有关完整计算的示例，请参见adjust_vectors()方法：
raw全字向量在.vectors_vocab对象的model.wv数组中。
（（如果这还不足以解决问题，请确保您使用的是最新的gensim，因为最近有很多FT修复程序。并且请确保您的ngram哈希列表与ft_ngram_hashes()的输出匹配库的方法–否则，您的手动ngram-list-creation和后续的哈希操作可能会有所不同。）