如何使用 Doc2vec 获取两个文本文档的文档向量？我是新手，所以如果有人能指出我正确的方向/帮助我提供一些教程，那将会很有帮助
我正在使用gensim。
doc1=["This is a sentence","This is another sentence"]
documents1=[doc.strip().split(" ") for doc in doc1 ]
model = doc2vec.Doc2Vec(documents1, size = 100, window = 300, min_count = 10, workers=4)
我明白了
AttributeError：“列表”对象没有属性“单词”
每当我运行这个。
如果要训练 Doc2Vec 模型，您的数据集需要包含单词列表（类似于 Word2Vec 格式）和标签（文档 ID）。它还可以包含一些附加信息（有关更多信息，请参阅https://github.com/RaRe-Technologies/gensim/blob/develop/docs/notebooks/doc2vec-IMDB.ipynb）。
# Import libraries
from gensim.models import doc2vec
from collections import namedtuple
# Load data
doc1 = ["This is a sentence", "This is another sentence"]
# Transform data (you can add more data preprocessing steps)
docs = []
analyzedDocument = namedtuple('AnalyzedDocument', 'words tags')
for i, text in enumerate(doc1):
words = text.lower().split()
tags = [i]
docs.append(analyzedDocument(words, tags))
# Train model (set min_count = 1, if you want the model to work with the provided example data set)
model = doc2vec.Doc2Vec(docs, size = 100, window = 300, min_count = 1, workers = 4)
# Get the vectors
model.docvecs[0]
model.docvecs[1]
更新（如何在 epochs 中训练）：这个例子已经过时了，所以我删除了它。有关时代训练的更多信息，请参阅此答案或@gojomo 的评论。
Gensim 已更新。LabeledSentence 的语法不包含标签。现在有标签- 请参阅 LabeledSentence 的文档https://radimrehurek.com/gensim/models/doc2vec.html
然而，@bee2502 是对的
docvec = model.docvecs[99]
它应该是训练模型的第 100 个向量的值，它适用于整数和字符串。
doc=["This is a sentence","This is another sentence"]
documents=[doc.strip().split(" ") for doc in doc1 ]
model = doc2vec.Doc2Vec(documents, size = 100, window = 300, min_count = 10, workers=4)
我得到 AttributeError: 'list' object has no attribute 'words' 因为 Doc2vec() 的输入文档不是正确的 LabeledSentence 格式。我希望下面的示例可以帮助您理解格式。
documents = LabeledSentence(words=[u'some', u'words', u'here'], labels=[u'SENT_1'])
更多细节在这里：http :
//rare-technologies.com/doc2vec-tutorial/ 但是，我通过使用 TaggedLineDocument() 从文件中获取输入数据解决了这个问题。
文件格式：一份文档 = 一行 = 一个 TaggedDocument 对象。单词应该已经被预处理并用空格分隔，标签是从文档行号自动构建的。
sentences=doc2vec.TaggedLineDocument(file_path)
model = doc2vec.Doc2Vec(sentences,size = 100, window = 300, min_count = 10, workers=4)
要获取文档向量：您可以使用 docvecs。更多详细信息：https ://radimrehurek.com/gensim/models/doc2vec.html#gensim.models.doc2vec.TaggedDocument
docvec = model.docvecs[99]
其中 99 是我们想要的向量的文档 ID。如果标签是整数格式（默认情况下，如果您使用 TaggedLineDocument() 加载），请像我一样直接使用整数 id。如果标签是字符串格式，请使用“SENT_99”。这类似于 Word2vec
from gensim.models.doc2vec import Doc2Vec, TaggedDocument
Documents = [TaggedDocument(doc, [i]) for i, doc in enumerate(doc1)]
Model = Doc2Vec(Documents, other parameters~~)
这应该可以正常工作。您需要为训练doc2vec模型标记文档。