【发布时间】：2015-12-24 03:08:01
【问题描述】：
我从我的数据中构建了一个doc2vec 模型，现在我在运行时有一个不属于训练数据集的新句子。
如何从我的模型中为这句话构建或预测向量？
这句话中的生词应该怎么处理？
【问题讨论】：
标签： python machine-learning nlp gensim word2vec
【发布时间】：2015-12-24 03:08:01
【问题描述】：
Gensim（开发版）似乎有一种方法来推断新句子的向量。查看https://github.com/gojomo/gensim/blob/develop/gensim/models/doc2vec.py中的model.infer_vector(NewDocument)方法
【讨论】：
-
它不会影响我的模型..我使用它，但有时它会为同一个句子返回不同的向量。
-
infer_vector()在 gensim 的最后几个官方版本中可用。此外，doc2vec 算法涉及一些随机性。如果您使用负采样，则可以在每次调用/迭代时尝试一组不同的负示例。从 'window' 参数中，算法（从 word2vec 继承）选择一些随机较小的窗口，直到您选择的值。因此，如果不采取额外步骤，重复推理（如重复训练运行）将给出相似但不相同的结果。如果您需要完美的重现性，请参阅github.com/piskvorky/gensim/issues/447 的一些讨论