我正在使用 gensim 从文档中提取特征向量。我已经从 Google 下载了预训练模型，GoogleNews-vectors-negative300.bin并使用以下命令加载了该模型：
model = models.Doc2Vec.load_word2vec_format('GoogleNews-vectors-negative300.bin', binary=True)
我的目的是从文档中获取特征向量。一句话，很容易得到对应的向量：
vector = model[word]
但是，我不知道如何为文档执行此操作。能否请你帮忙？
对于 Doc2Vec 类创建的那种文本向量（Le/Mikolov 'Paragraph Vectors'），一组词向量（例如GoogleNews-vectors-negative300.bin）既不是必要的，也不是充分的。相反，它希望通过示例文本进行训练以学习每个文档的向量。然后，训练后的模型也可以用于“推断”其他新文档的向量。
（Doc2Vec 类仅支持该load_word2vec_format()方法，因为它继承自 Word2Vec 类，而不是因为它需要该功能。）
还有另一种简单的文本向量，可以通过简单地对文档中的所有单词进行平均来创建，也许还可以根据每个单词的重要性加权。但这不是 Doc2Vec 提供的。