如何从 gensim 0.11.1 中的 Doc2Vec 获取文档向量？答案

【问题标题】：How to get the Document Vector from Doc2Vec in gensim 0.11.1?如何从 gensim 0.11.1 中的 Doc2Vec 获取文档向量？
【发布时间】：2016-06-11 12:45:03
【问题描述】：

有没有办法从 gensim 0.11.1 版本的 Doc2Vec 中获取未见和已见文档的文档向量？

例如，假设我在 100 万上训练模型 - 我可以得到那 1000 个文档的文档向量？
有没有办法让看不见的文档组成文档向量
来自同一个词汇？

【问题讨论】：

标签： python gensim word2vec doc2vec

【解决方案1】：

对于第一个要点，您可以在 gensim 0.11.1 中完成

from gensim.models import Doc2Vec
from gensim.models.doc2vec import LabeledSentence

documents = []
documents.append( LabeledSentence(words=[u'some', u'words', u'here'], labels=[u'SENT_1']) )
documents.append( LabeledSentence(words=[u'some', u'people', u'words', u'like'], labels=[u'SENT_2']) )
documents.append( LabeledSentence(words=[u'people', u'like', u'words'], labels=[u'SENT_3']) )


model = Doc2Vec(size=10, window=8, min_count=0, workers=4)
model.build_vocab(documents)
model.train(documents)

print(model[u'SENT_3'])

这里的 SENT_3 是一个已知句子。

对于第二个要点，您不能在 gensim 0.11.1 中执行此操作，您必须将其更新到 0.12.4。这个最新版本有 infer_vector 函数，可以为一个看不见的文档生成一个向量。

documents = []
documents.append( LabeledSentence([u'some', u'words', u'here'], [u'SENT_1']) )
documents.append( LabeledSentence([u'some', u'people', u'words', u'like'], [u'SENT_2']) )
documents.append( LabeledSentence([u'people', u'like', u'words'], [u'SENT_3']) )


model = Doc2Vec(size=10, window=8, min_count=0, workers=4)
model.build_vocab(documents)
model.train(documents)

print(model.docvecs[u'SENT_3']) # generate a vector for a known sentence
print(model.infer_vector([u'people', u'like', u'words'])) # generate a vector for an unseen sentence

【讨论】：