有没有办法从 doc2vec 模型中获取词汇量？答案

【问题标题】：Is there any way to get the vocabulary size from doc2vec model?有没有办法从 doc2vec 模型中获取词汇量？
【发布时间】：2017-05-27 06:04:45
【问题描述】：

我正在使用 gensim doc2vec。我想知道是否有任何有效的方法可以从 doc2vec 中了解词汇量。一种粗略的方法是计算总字数，但如果数据量很大（1GB 或更多），那么这将不是一种有效的方法。

【问题讨论】：

【解决方案1】：

如果 model 是您经过训练的 Doc2Vec 模型，那么在应用您的 min_count 后，幸存词汇表中唯一单词标记的数量可从以下位置获得：

len(model.wv.vocab)

经过训练的文档标签的数量可从以下位置获得：

len(model.docvecs)

【讨论】：

没有vocab这样的参数。
当然有——在撰写本文时！仍然是——只是在不同的地方！在更新版本的 gensim 中，vocab 对象已移动到组成部分 wv 属性中，并且在 1.0.0 中，在第一次编写此答案后于 2017 年 2 月发布，具有访问 vocab 的先前向后兼容能力通过model.vocab 被删除。上面的答案已更新以匹配当前的 gensim。
Welp，我删除了我的评论，因为你和我的评论是一样的。

【解决方案2】：

返回数据类型的词汇表是字典。使用键（）如下：

model.wv.vocab.keys()

这应该返回一个单词列表。

【讨论】：

【解决方案3】：

Gensim Version 4.您可以使用：

使用词汇量大小

vocab_len = len(model.wv)  # ?

【讨论】：