我正在使用 Doc2vec 进行文本分类。它正在为具有给定大小的句子创建一个向量（例如：100，向量长度）。我无法理解它如何创建该长度的向量。
我关注this link。在这里，他们正在为句子创建一个向量，该向量将保存在 doc2v 模型中，我不能将此模型用于新数据（生产数据）进行测试，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"
【问题讨论】：
标签： python machine-learning data-science word2vec doc2vec
如果您使用训练数据创建了一个gensimDoc2Vec 模型，它只会知道训练数据中存在的文档标签的训练向量。
但是，还有infer_vector() 方法可以推断出新文本的兼容文档向量。新文本应该与训练数据一样被标记化，并作为字符串标记列表传递给infer_vector()。
【讨论】：
Doc2Vec 概念：
doc2vec 的目标是创建文档的数字表示，而不管其长度如何。但与单词不同的是，文档不具有单词等逻辑结构，因此必须找到另一种方法。
Mikolov 和 Le 使用的概念简单而巧妙：他们使用了 word2vec 模型，并添加了另一个向量 paragraph_ID，它是文档唯一的。现在，我们不仅使用单词来预测下一个单词，还添加了另一个特征向量。
因此，在训练词向量 W 时，文档向量 paragraph_ID 也会被训练，并且在训练结束时，它会保存文档的数字表示。
您可以阅读更多关于它的信息here
【讨论】：