簡單提供幾個思路。

比較常見的做法是通過訓練詞向量，計算詞向量的相似度。正如題主所說的word2vec就是最常見的是訓練詞向量的方法。

word2vec是Google的一個開源工具，通過將詞轉化成向量的形式，可以把對文本內容的處理簡化為向量空間中的向量運算，往往會結合余弦相似度來計算向量空間上的相似度，來表示文本語意上的相似度。

例如：

word2vec訓練詞向量的方法是通過上下文去預測某個詞或者通過一個詞去預測上下文，所以除了得到語義相近的詞，往往還會得到搭配比較多的關聯詞。所以word2vec是可行的。同理，其他訓練詞向量的方法也是可以的，比如glove或者fasttext等。而對于計算相似度的方法就更多了，就不概述了。

還有通過句子結構分析和詞與詞之間的事理關系也是可以得到一些關聯詞，比如存在“不僅A而且B”這種句式時，A和B是很有可能是關聯詞，甚至是近義詞。除了并列，還有順承，轉折等關系也是可以尋找關聯詞的。

只從詞本身看，有時候研究詞與詞的共現關系或者根據相同上下文相鄰詞的頻數也可以挖掘關聯詞。

總結

以上是生活随笔為你收集整理的python文本关联分析_如何对文本内的某个词的关联词进行提取？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。