有没有办法像我们在 word2vec 中那样找到类似的文档
喜欢：
model2.most_similar(positive=['good','nice','best'],
negative=['bad','poor'],
topn=10)
我知道我们可以使用 infer_vector，给它们提供相似的，但我想像在 word2vec 中那样提供许多正面和负面的例子。
有什么办法可以做到！谢谢！
【问题讨论】：
标签： python nlp gensim word2vec doc2vec
对于most_similar() 调用，Doc2Vec 模型的 doc-vectors 部分与词向量一样工作。您可以在positive 和negative 参数中提供多个文档标签或完整向量。
所以你可以打电话...
sims = d2v_model.docvecs.most_similar(positive=['doc001', 'doc009'], negative=['doc102'])
...它应该可以工作。 positive 或 negative 列表的元素可以是训练期间出现的 doc-tags，也可以是原始向量（如 infer_vector() 返回的那些，或您自己的多个此类向量的平均值）。
【讨论】：
不要相信有一个预先写好的函数。
一种方法是编写一个函数，遍历肯定列表中的每个单词以获取特定单词的前 n 个单词。
因此，对于问题示例中的肯定词，您最终会得到 3 个 10 个词的列表。
然后，您可以将 3 个列表中常见的单词识别为与您的肯定列表相似的前 n 个单词。由于并非所有词在 3 个列表中都是通用的，因此您可能需要在迭代时获得前 20 个相似词，以便在示例中得到前 10 个词。
然后对否定词做同样的事情。
【讨论】：