有没有办法在 gensim 0.11.1 版本中从 Doc2Vec 获取未见和已见文档的文档向量?
例如,假设我在 1000,000 上训练模型 - 我可以获得这 1000 个文档的文档向量吗?
有没有办法获得由
相同词汇表组成的看不见文档的文档向量?
对于第一个要点,您可以在 gensim 0.11.1 中进行
from gensim.models import Doc2Vec
from gensim.models.doc2vec import LabeledSentence
documents = []
documents.append( LabeledSentence(words=[u'some', u'words', u'here'], labels=[u'SENT_1']) )
documents.append( LabeledSentence(words=[u'some', u'people', u'words', u'like'], labels=[u'SENT_2']) )
documents.append( LabeledSentence(words=[u'people', u'like', u'words'], labels=[u'SENT_3']) )
model = Doc2Vec(size=10, window=8, min_count=0, workers=4)
model.build_vocab(documents)
model.train(documents)
print(model[u'SENT_3'])
这里 SENT_3 是一个已知句子。
对于第二个要点,您不能在 gensim 0.11.1 中执行此操作,您必须将其更新到 0.12.4。这个最新版本有 infer_vector 函数,可以为一个看不见的文档生成一个向量。
documents = []
documents.append( LabeledSentence([u'some', u'words', u'here'], [u'SENT_1']) )
documents.append( LabeledSentence([u'some', u'people', u'words', u'like'], [u'SENT_2']) )
documents.append( LabeledSentence([u'people', u'like', u'words'], [u'SENT_3']) )
model = Doc2Vec(size=10, window=8, min_count=0, workers=4)
model.build_vocab(documents)
model.train(documents)
print(model.docvecs[u'SENT_3']) # generate a vector for a known sentence
print(model.infer_vector([u'people', u'like', u'words'])) # generate a vector for an unseen sentence