Doc2Vec 是否学习标签的表示？
Does Doc2Vec learn representations for the tags?
我使用 Doc2Vec 标签作为我文档的唯一标识符，每个文档都有不同的标签并且没有语义。我正在使用标签查找特定文档，以便计算它们之间的相似度。
标签会影响我的模型结果吗？
在这个 tutorial 中，他们讨论了一个参数 train_lbls=false，如果将此设置为 false，则不会为标签（标签）学习表示。
那个教程有点过时了，我猜这个参数已经不存在了，Doc2Vec 是如何处理标签的？
对于 gensim 的 Doc2Vec，您的文本示例必须是类似于示例 TaggedDocument class 的对象：具有 words 和 tags 属性。 tags 属性 应该是 'tags' 的列表，它们用作将从相应文本中学习的文档向量的键。
在 classic/original 的情况下，每个文档都有一个标签——基本上是该文档的唯一 ID。 （标签可以是字符串，但对于非常大的语料库，如果您使用纯 Python 整数标签，从 0 开始，没有跳过的值，Doc2Vec 将使用更少的内存。）
标签用于在训练后查找学习的向量。如果您在训练期间有一个文档带有单个标签 'mars'，您将使用以下方法查找学习向量：
model.docvecs['mars']
如果您进行 model.docvecs.most_similar['mars'] 调用，结果也将通过它们的标签键报告。
这些标签 只是 doc-vectors 集合中的键——它们没有语义意义，即使文本中的单词标记重复了一个字符串，也有此标签键与单词之间没有必然关系。
也就是说，如果您有一个文档，其单个 ID 标记为 'mars'，则通过该键 (model.docvecs['mars']) 访问的学习文档向量与任何学习单词之间没有本质关系- 使用相同字符串键访问的向量 (model.wv['mars']) – 它们来自不同的向量集合。
我使用 Doc2Vec 标签作为我文档的唯一标识符，每个文档都有不同的标签并且没有语义。我正在使用标签查找特定文档，以便计算它们之间的相似度。
标签会影响我的模型结果吗？
在这个 tutorial 中，他们讨论了一个参数 train_lbls=false，如果将此设置为 false，则不会为标签（标签）学习表示。
那个教程有点过时了，我猜这个参数已经不存在了，Doc2Vec 是如何处理标签的？
对于 gensim 的 Doc2Vec，您的文本示例必须是类似于示例 TaggedDocument class 的对象：具有 words 和 tags 属性。 tags 属性 应该是 'tags' 的列表，它们用作将从相应文本中学习的文档向量的键。
在 classic/original 的情况下，每个文档都有一个标签——基本上是该文档的唯一 ID。 （标签可以是字符串，但对于非常大的语料库，如果您使用纯 Python 整数标签，从 0 开始，没有跳过的值，Doc2Vec 将使用更少的内存。）
标签用于在训练后查找学习的向量。如果您在训练期间有一个文档带有单个标签 'mars'，您将使用以下方法查找学习向量：
model.docvecs['mars']
如果您进行 model.docvecs.most_similar['mars'] 调用，结果也将通过它们的标签键报告。
这些标签 只是 doc-vectors 集合中的键——它们没有语义意义，即使文本中的单词标记重复了一个字符串，也有此标签键与单词之间没有必然关系。
也就是说，如果您有一个文档，其单个 ID 标记为 'mars'，则通过该键 (model.docvecs['mars']) 访问的学习文档向量与任何学习单词之间没有本质关系- 使用相同字符串键访问的向量 (model.wv['mars']) – 它们来自不同的向量集合。