使用word2vec嵌入句子

我想比较不同句子中提到的同一单词之间的差异，例如“旅行”。我想做的是：

• 以提及“旅行”一词的句子为纯文本；
• 在每个句子中，将travel替换为travel_sent_x。
• 在这些句子上训练word2vec模型。
• 计算travel_sent1，travel_sent2和其他重新标记的“ travel”提述之间的距离，因此每个句子的“ travel”都有自己的向量，用于比较。

我知道word2vec不仅需要几个句子来训练可靠的向量。官方页面推荐了包含数十亿个单词的数据集，但我的数据集中没有这么多的数字（我有数千个单词）。

我试图用以下几句话来测试模型：

    Sentences
    Hawaii makes a move to boost domestic travel and support local tourism
    Honolulu makes a move to boost travel and support local tourism
    Hawaii wants tourists to return so much it's offering to pay for half of their travel expenses

我构建向量的方法是：

from gensim.models import Word2Vec

vocab = df['Sentences']))
model = Word2Vec(sentences=vocab, size=100, window=10, min_count=3, workers=4, sg=0)
df['Sentences'].apply(model.vectorize)

但是，我不知道如何可视化结果以查看它们的相似性并获得一些有用的见解。任何帮助和建议都将受到欢迎。

更新：我将使用主成分分析算法来可视化3维空间中的嵌入。我知道每个单词的用法，但不知道句子的用法。