python - scikit学习TSNE变换应用于单词向量时返回奇怪的结果

当我在word2vec生成的word嵌入上应用scikit-learn的流形t-sne实现时，得到了奇怪的结果。
通常，（国王皇后）的距离和方向应该和（男人女人）一样，这在网上有很多例子。
我确信我的word2vec模型在使用Google新闻数据集时得到了正确的训练，而且大多数相似的查询（king man+woman）也会按预期返回queen。
转换后的二维矢量也被正确地绘制出来。因此，这一定与scikit-learn的t-sne转换有关。
我正在使用以下python代码进行转换：

vecs = np.concatenate(vecs)
np_vecs = np.array(vecs, dtype='float')
ts = TSNE(2)
reduced_vecs = ts.fit_transform(np_vecs)

我做错什么了还是库配置错了？

最佳答案

我也有同样的问题。正如用户1814735所说的，你不能仅仅输入几点就期望得到好的结果。用更大的一组词来喂养，帮助很大。