doc2vec gensim的参数model.infer_vector的理解
Understanding of the parameter model.infer_vector for doc2vec gensim
这是否意味着我必须为输入 doc_words 提供文档的标记化单词作为字符串列表或仅作为字符串列表的文档。请澄清
doc_words 应该是一个单独的单词标记列表作为字符串，相当于训练期间每个训练文档的 words 。也就是说：它应该像您的训练数据一样经过预处理和标记化。
(当你问你的问题时，"tokenized words of a document as list of strings or simply a document as a list of string"，据我理解这些词，这两个备选方案是同一件事：Python list，其中每个项目是一个字符串词。)
关于 infer_vector() 的其他重要注意事项：
推理总是从一个低量级的随机向量开始，然后迭代地改进该向量
模型不知道的单词将被默默忽略；在极端情况下，如果你提供一个包含所有未知单词的文本，则不会发生任何推理——但由于上面的随机初始化，你仍然会得到一个向量
如果您未指定 epochs 值，它将重用模型中缓存的值（模型初始化或上次 train() 调用遗留下来的值）。您通常希望它使用至少与训练中使用的一样大的时期数——最常见的是 10-20，但有时更大。 （而且，较大的值可能对较短的文本特别有用。）
这是否意味着我必须为输入 doc_words 提供文档的标记化单词作为字符串列表或仅作为字符串列表的文档。请澄清
doc_words 应该是一个单独的单词标记列表作为字符串，相当于训练期间每个训练文档的 words 。也就是说：它应该像您的训练数据一样经过预处理和标记化。
(当你问你的问题时，"tokenized words of a document as list of strings or simply a document as a list of string"，据我理解这些词，这两个备选方案是同一件事：Python list，其中每个项目是一个字符串词。)
关于 infer_vector() 的其他重要注意事项：
推理总是从一个低量级的随机向量开始，然后迭代地改进该向量
模型不知道的单词将被默默忽略；在极端情况下，如果你提供一个包含所有未知单词的文本，则不会发生任何推理——但由于上面的随机初始化，你仍然会得到一个向量
如果您未指定
epochs值，它将重用模型中缓存的值（模型初始化或上次train()调用遗留下来的值）。您通常希望它使用至少与训练中使用的一样大的时期数——最常见的是 10-20，但有时更大。 （而且，较大的值可能对较短的文本特别有用。）