類似度計算を行うプログラムの使用法

Question

前提・実現したいこと

ここに質問の内容を詳しく書いてください。
（例）PHP(CakePHP)で●●なシステムを作っています。
■■な機能を実装中に以下のエラーメッセージが発生しました。

発生している問題・エラーメッセージ

https://qiita.com/yoppe/items/512c7c072d08c64afa7e

上記のウェブページよりプログラムを参照して、一度同じモデルを用意した上でプログラム少し改良して使用してみると、プログラムはうまく機能し類似度計算を行うことができました。
しかし、このプログラムの使用するモデルを自身で作成したものとし、モデル内に存在する単語でプログラムが動くのかどうかを試してみると以下のようなエラーが出ました。

File "/Users/nakazawatsubasa/.pyenv/versions/anaconda3-4.3.1/lib/python3.6/site-packages/gensim/models/keyedvectors.py", line 337, in getitem
return self.get_vector(entities)
File "/Users/nakazawatsubasa/.pyenv/versions/anaconda3-4.3.1/lib/python3.6/site-packages/gensim/models/keyedvectors.py", line 455, in get_vector
return self.word_vec(word)
File "/Users/nakazawatsubasa/.pyenv/versions/anaconda3-4.3.1/lib/python3.6/site-packages/gensim/models/keyedvectors.py", line 452, in word_vec
raise KeyError("word '%s' not in vocabulary" % word)
KeyError: "word 'メーカー' not in vocabulary"

どのような原因からエラーは発生しているのでしょうか？

該当のソースコード

import gensim
import MeCab
import numpy as np
from scipy import spatial

word2vec_model = gensim.models.KeyedVectors.load_word2vec_format('model.vec', binary=False)
mecab = MeCab.Tagger("-d /usr/local/lib/mecab/dic/mecab-ipadic-neologd -Owakati")
f = open("メーカー_上位.txt" ,"r")
ff = open("メーカー_類似度_上位.txt" ,"w")

def avg_feature_vector(sentence, model, num_features):
words = mecab.parse(sentence).replace(' \n', '').split() # mecabの分かち書きでは最後に改行(\n)が出力されてしまうため、除去
feature_vec = np.zeros((num_features,), dtype="float32") # 特徴ベクトルの入れ物を初期化
for word in words:
feature_vec = np.add(feature_vec, model[word])
if len(words) > 0:
feature_vec = np.divide(feature_vec, len(words))
return feature_vec

def sentence_similarity(sentence_1, sentence_2):
num_features=300
sentence_1_avg_vector = avg_feature_vector(sentence_1, word2vec_model, num_features)
sentence_2_avg_vector = avg_feature_vector(sentence_2, word2vec_model, num_features)
return 1 - spatial.distance.cosine(sentence_1_avg_vector, sentence_2_avg_vector)

result = sentence_similarity('メーカー','アドバンスプロ')
print(result)

試したこと

モデルの次元数が本当に300となっているのかの確認。
モデル内の単語を使用して行ってみること。

補足情報（FW/ツールのバージョンなど）

Answer 1

エラーメッセージによると「メーカー」という単語がモデルにないことによるようです。原因は1.学習用テキストに「メーカー」が含まれていなかった、2.学習時のオプション設定の関係で「メーカー」が学習対象から除外された、3.学習対象の単語が「メーカー」ではなく「メーカ」だった、が想定されます。1または2の場合、再学習しか対処策はないように思います

Comments

[tbs0710]

丁寧な回答ありがとうございました。
一度再学習してみます。