来自整个 doc2vec 模型的词向量与来自特定文档的词向量
Word vectors from a whole doc2vec model vs. word vectors from a particular document
我使用默认的 word2vec 训练 (dm=1) 训练了 gensim 的 Doc2Vec 模型。我可以从 model.wv.vectors 中的全局模型中获取词向量。
但是 documentation 表示同一个词（示例中的 "leaves" ）不会有相同的向量，具体取决于它出现的文档上下文。
所以我有点困惑：在 model.wv.vectors 中，单词 "leaves" 是否会对用于训练模型的所有文档具有相同的向量（这可能是矛盾的根据我从文档中了解到的内容）？如果不是，如何从特定文档中获取词向量？
该文档具有误导性。单词标记 'leaves' 在该模型中将只有一个单词向量。
我猜该评论的作者 可能 的意思是在 PV-DM 模式 (dm=1) 的模型训练期间，训练预测将受该文本的词向量和 'floating' 文档向量（以及上下文中的其他相邻词向量 -window）的组合影响。但是，一个单词只有一个向量，那里的描述很混乱。
我使用默认的 word2vec 训练 (dm=1) 训练了 gensim 的 Doc2Vec 模型。我可以从 model.wv.vectors 中的全局模型中获取词向量。 但是 documentation 表示同一个词（示例中的 "leaves" ）不会有相同的向量，具体取决于它出现的文档上下文。
所以我有点困惑：在 model.wv.vectors 中，单词 "leaves" 是否会对用于训练模型的所有文档具有相同的向量（这可能是矛盾的根据我从文档中了解到的内容）？如果不是，如何从特定文档中获取词向量？
该文档具有误导性。单词标记 'leaves' 在该模型中将只有一个单词向量。
我猜该评论的作者 可能 的意思是在 PV-DM 模式 (dm=1) 的模型训练期间，训练预测将受该文本的词向量和 'floating' 文档向量（以及上下文中的其他相邻词向量 -window）的组合影响。但是，一个单词只有一个向量，那里的描述很混乱。