エラーコードが出て、分散表現が取得できません。

Question

word2vecで名詞のみかつリスト化された文章から分散表現取得したいのですが、

from pymongo import MongoClient
from bs4 import BeautifulSoup
import MeCab
from gensim.models import word2vec
mecab = MeCab.Tagger ('/usr/local/lib/mecab/dic/mecab-ipadic-neologd')
def main():
    recipes = []
    client = MongoClient('localhost', 27017)
    db = client.html.cookpad_html
    collection = db.test_collection
    htmls = list(db.find().limit(1))
    recipes = []
    for num, html in enumerate(htmls):
        soup = BeautifulSoup(html["html"], 'lxml')
        for steps in soup.find_all(attrs={"class": "step_text"}):
            node = mecab.parseToNode(steps.get_text())
            while node:
                feature = node.feature.split(",")
                if feature[0] == "名詞" and feature[1] == "一般":
                    word = node.feature.split(",")[6]
                    recipes.append(node.surface if word == "*" else word)
                node = node.next
                recipes = list(set(recipes))      
    print(recipes)
    model = word2vec.Word2Vec(recipes, size=200,min_count=1)
    out = model.wv.most_similar ( positive=['ハチミツ'] , negative=None , topn=10 , indexer=None )
    for x in out:
        print (x[0],x[1])     
if __name__ == '__main__':

['卵白', '卵黄', '生地', '玉子', 'ツノ', 'ハチミツ', 'ボウル', 'オリーブ油', 'レンジ', 'ヨーグルト', 'おから', 'w', 'レモン', 'ラップ', 'マグカップ']

結果はこう出るんですが、エラーコードがこのように出ます。

---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
<ipython-input-2-c8877629ece6> in <module>
     28         print (x[0],x[1])
     29 if __name__ == '__main__':
---> 30     main()

<ipython-input-2-c8877629ece6> in main()
     24     print(recipes)
     25     model = word2vec.Word2Vec(recipes, size=200,min_count=1)
---> 26     out = model.wv.most_similar ( positive=['ハチミツ'] , negative=None , topn=10 , indexer=None )
     27     for x in out:
     28         print (x[0],x[1])

~/anaconda3/lib/python3.7/site-packages/gensim/models/keyedvectors.py in most_similar(self, positive, negative, topn, restrict_vocab, indexer)
    551                 mean.append(weight * word)
    552             else:
--> 553                 mean.append(weight * self.word_vec(word, use_norm=True))
    554                 if word in self.vocab:
    555                     all_words.add(self.vocab[word].index)

~/anaconda3/lib/python3.7/site-packages/gensim/models/keyedvectors.py in word_vec(self, word, use_norm)
    466             return result
    467         else:
--> 468             raise KeyError("word '%s' not in vocabulary" % word)
    469 
    470     def get_vector(self, word):

KeyError: "word 'ハチミツ' not in vocabulary"

ハチミツ以外の単語でも調べたのですが、なぜか出来ません。

以前同じようなことを聞いたら、
＊Word2Vecモデルの初期化時にはlist of lists of tokensを渡す必要がある
＊学習データに含まれない単語に対しては距離の計算ができない。
＊word2vecのmostsimilarは与えた単語をベクトル化して、最も近似するベクトルを有する単語を返す関数
と言われたのですが、どのように直せばいいのか分かりません、誰か教えて下さい。

Comments

[t_obara]

学習データが15文字なので、少なすぎるように思うのですが。とりあえず、すでに配布されている学習済みデータを利用すれば良いのでは無いでしょうか。