gensim doc2vec most_similar 相当于获取完整文档

Question

在 Gensim 的 doc2vec 实现中，gensim.models.keyedvectors.Doc2VecKeyedVectors.most_similar returns 与查询文档最相似的文档的标签和余弦相似度。如果我想要实际文档本身而不是标签怎么办？有没有一种方法可以直接执行此操作而无需搜索与 most_similar 返回的标签关联的文档？

另外，有这方面的文档吗？我似乎找不到一半 Gensim 类.

的文档

Answer 1

Doc2Vec class 不能用作以原始格式存储原始文档的完整文档数据库。这将需要很多额外的复杂性和状态。

相反，您只需以训练所需的标记化格式呈现带有特定标签的文档，而模型仅学习并保留其向量表示。

如果您随后需要查找原始文档，则必须维护您自己的（标签 -> 文档）查找 - 许多项目已经将其作为文档的原始来源。

Doc2Vec class 文档位于 https://radimrehurek.com/gensim/models/doc2vec.html，但查看 gensim docs/notebooks 中包含的示例 Jupyter 笔记本可能也会有所帮助目录，但也可在线查看：

https://github.com/RaRe-Technologies/gensim/tree/develop/docs/notebooks

与 Doc2Vec 相关的三个笔记本的文件名以 doc2vec- 开头。