word2vec 模型由字符而不是单词组成

我正在尝试使用 Gensim 在波斯语上制作一个 word2vec 模型，其中以“空格”作为字符分隔符，我使用 python 3.5。我遇到的问题是我给出了一个文本文件作为输入，它返回一个模型，该模型仅包含每个字符而不是单词。我还以推荐的单词列表的形式给出了输入：

Python Gensim word2vec 词汇键 https://stackoverflow.com/questions/43065843/python-gensim-word2vec-vocabulary-key%5D

它对我不起作用，我认为它没有考虑句子中的单词顺序，所以它是不正确的。

我对输入进行了一些预处理，其中包括：

将多个空白折叠成一个
通过空格分割进行标记
删除长度小于 3 个字符的单词 删除停用词

我将文本交给了 word2vec，它给了我正确的结果，但我需要在 python 上使用它，所以我的选择仅限于使用 Gensim。

我还尝试在 gensim 上加载由 word2vec 源创建的模型，但出现错误，因此我需要通过 Gensim 创建 word2vec 模型。

我的代码是：

  wfile = open('aggregate.txt','r')    
  wfileRead = wfile.read()    
  model = word2vec.Word2Vec(wfileRead , size=100)   
  model.save('Word2Vec.txt')

gensim Word2Vec 模型不期望strings作为其文本示例（句子），但是令牌列表。因此，在将文本传递给 Word2Vec 之前，由您的代码对文本进行标记。

如图所示，您的代码只是将原始数据从“aggregate.txt”文件传递到 Word2Vec 中，如下所示wFileRead.

查看 gensim 文档中的示例，包括LineSentencegensim 包含的课程，用于获取想法