从张量流中的多个嵌入嵌入查找
Embedding lookup from multiple embeddings in tensorflow
构建一个 doc2Vec 算法，需要有多个嵌入。有词向量的嵌入，同时也有文档本身的嵌入。该算法的工作方式类似于 CBOW 模型，但文档嵌入也用于每个使用给定 window 训练的文档。因此，如果我们有 5 个单词的 window，我们将继续检查这 5 个单词，但对于每个 window，我们将始终包含文档嵌入向量本身，以便我们可以对其进行更新。
只需连接它们：
input_tensor = tf.concat(1, [wordembedding_tensor, documentembedding_tensor])
那么输入张量就是你的输入。
构建一个 doc2Vec 算法，需要有多个嵌入。有词向量的嵌入，同时也有文档本身的嵌入。该算法的工作方式类似于 CBOW 模型，但文档嵌入也用于每个使用给定 window 训练的文档。因此，如果我们有 5 个单词的 window，我们将继续检查这 5 个单词，但对于每个 window，我们将始终包含文档嵌入向量本身，以便我们可以对其进行更新。
只需连接它们：
input_tensor = tf.concat(1, [wordembedding_tensor, documentembedding_tensor])
那么输入张量就是你的输入。