在Gensim的官网中，它对自己的简介只有一句话：topic modelling for humans!

Gensim是用来处理语言方面的任务，如文本相似度计算、LDA、Word2Vec等，这些领域的任务往往需要比较多的背景知识，通常的情况是：研究这方面的读者，已经不需要我再多说什么；不研究这方面的读者，在这里也说不清楚。（所以Gensim的介绍只有一句话也就不奇怪了。）

因此，在这一节中，只是提醒读者有这么一个库的存在，而且这个库很强大，如果用得到这个库，请读者去阅读官方帮助文档或参考链接。

需要一提的是，Gensim把Google公司在2013年开源的著名的词向量构造工具Word2Vec编译好了作为它的子库，因此需要用到Word2Vec的读者也可以直接用Gensim而无需自行编译了。据说Gensim的作者对Word2Vec的代码进行了优化，据说它在Gensim下的表现比原生的Word2Vec还要快。（为了实现加速，需要准备C++编译器环境，因此，建议用到Gensim的Word2Vec的读者在Linux下环境运行。）
下面是一个Gensim使用Word2Vec的简单例子。

# -*- coding: utf-8 -*-
import gensim, logging
logging.basicConfig(format='%(asctime)s : %(levelname)s : %(message)s', level=logging.INFO)
#logging是用来输出训练日志

#分好词的句子，每个句子以词列表的形式输入
sentences = [['first', 'sentence'], ['second', 'sentence']]

#用以上句子训练词向量模型
model = gensim.models.Word2Vec(sentences, min_count=1)

print(model['sentence']) #输出单词sentence的词向量。

参考链接：

http://radimrehurek.com/gensim/。

http://www.52nlp.cn/（如何计算两个文档的相似度二）。