doc2vec如何为senten创建向量

Question

我正在研究Doc2vec的文本分类。它是为给定大小的句子创建一个向量（例如：100，向量长度）。我不明白它是怎么产生这么长的向量的。在

我正在跟踪this link。在这里，他们正在为句子创建一个向量，这个向量将保存在doc2v模型中，我不能用这个模型来测试新数据（生产数据），因为没有新句子的向量。显示新数据时出错

KeyError: "tag 'Test_2028' not seen in training corpus/invalid"

Answer 1

Doc2Vec概念：

无论文档的长度如何，文档的目标都是创建一个数字表示。但与单词不同的是，文档不是以单词这样的逻辑结构出现的，因此必须找到另一种方法。在

Mikolov和Le使用的概念很简单，但很聪明：他们使用了word2vec模型，并添加了另一个向量paragraph_ID，这是文档唯一的。现在，我们不再使用单词来预测下一个单词，而是添加了另一个特征向量。在

因此，在训练单词向量W时，文档向量{}也会被训练，并且在训练的最后，它保存文档的数字表示。在

你可以阅读更多关于它的here

Answer 2

如果您已经用训练数据创建了gensimDoc2Vec模型，那么它将只知道训练数据中存在的文档标记的训练向量。在

然而，还有一个方法infer_vector()，它可以为新文本推断出兼容的文档向量。新文本应该与训练数据一样被标记化，并作为字符串标记的列表传递给infer_vector()。在