我想用Gensim TaggedDocument() 标记一个文档列表，然后将这些文档作为Doc2Vec() 的输入传递。
我已阅读有关TaggedDocument here 的文档，但我不明白words 和tags 的参数究竟是什么。
我试过了：
texts = [[word for word in document.lower().split()]
for document in X.values]
texts = [[token for token in text]
for text in texts]
model = gensim.models.Doc2Vec(texts, vector_size=200)
model.train(texts, total_examples=len(texts), epochs=10)
但我收到错误'list' object has no attribute 'words'。
【问题讨论】：
Doc2Vec 需要一个可迭代的文本集合，每个文本（形状类似）示例 TaggedDocument 类，具有 words 和 tags 属性。
words 可以是您的标记化文本（作为一个列表），但tags 应该是一个文档标签列表，应该通过Doc2Vec 算法接收学习向量。大多数情况下，这些是唯一的 ID，每个文档一个。 （您可以只使用纯 int 索引，如果这可以作为在其他地方引用您的文档的一种方式，或者使用字符串 ID。）请注意，tags 必须是标签列表，即使您只提供一个文档。
您只是提供一个单词列表列表，从而产生错误。
尝试只用一行来初始化texts：
texts = [TaggedDocument(
words=[word for word in document.lower().split()],
tags=[i]
) for i, document in enumerate(X.values)]
此外，如果您在创建 Doc2Vec 时提供了 texts，则无需调用 train()。 （通过在初始化时提供语料库，Doc2Vec 将自动进行初始词汇发现扫描，然后进行指定数量的训练。）
您应该查看工作示例以获得灵感，例如 gensim 中包含的 doc2vec-lee.ipynb 可运行 Jupyter 笔记本。如果您能找到它，它将是您的安装目录，但您也可以在gensim 源代码存储库中查看（静态、不可运行）版本：
https://github.com/RaRe-Technologies/gensim/blob/develop/docs/notebooks/doc2vec-lee.ipynb
【讨论】：