doc2vec 可以在人工 "text" 上工作吗？
Can doc2vec work on an artificial "text"?
我创建了一个人工语料库（包含 52624 个文档）。每个文档都是一个对象列表（其中有 461 个）。
所以一种可能是：['chair', 'chair', 'chair', 'chair', 'chair', 'table', 'table']
这是词汇表的条形图（对数刻度）。
这就是我定义模型的方式：
model = gensim.models.doc2vec.Doc2Vec(vector_size=8, workers=4, min_count=1,epochs=40, dm=0)
观察地点：
model.wv.most_similar_cosmul(positive = ["chair"])
我看到不相关的词
在我看来，以下的效果也很差：
inferred_vector = model.infer_vector(["chair"])
model.docvecs.most_similar([inferred_vector])
我的模型哪里出错了？
更新
有数据（JSON个文件）：
是的，Doc2Vec 和 Word2Vec 经常在合成数据上尝试并且有用。但是它们是否有效可能需要更多的修补和非典型参数，当数据没有反映出与这些算法最初开发的 natural-language 相同的 correlations/distributions 类型时。
首先，您使用的是 dm=0 模式。那是原始“段落向量”论文的 PV-DBOW 模式，具体来说 根本 不训练 word-vectors ，只有 doc-vectors。因此，如果您通过查看 word-vectors 来测试此类模型，您的结果将仅反映任何 word-vectors.
的随机、未经训练的初始化值
改为检查 model.docvecs，了解您在数据中指定的任何 doc-tags 之间的相似性，它们可能是更有用的关系。
（如果你想让你的 Doc2Vec 模型也学习单词——这不一定重要，尤其是对于一个小数据集或者 doc-vectors 是你的主要兴趣所在——你会使用 dm=1 模式，或将 dbow_words=1 添加到 dm=0 以便模型添加交错 skip-gram 训练。但请注意 word-vector 训练可能 weak/meaningless/harmful 的数据看起来只是重复标记的排序运行，就像您的 ['chair', 'chair', 'chair', 'chair', 'chair', 'table', 'table'] 示例项目一样。）
另外，在此类模型中使用 very-low min_count=1 通常不是一个好主意 - 因为具有任意特质 non-representative 外观的标记会对周围 more-common 令牌比他们帮助。
我创建了一个人工语料库（包含 52624 个文档）。每个文档都是一个对象列表（其中有 461 个）。
所以一种可能是：['chair', 'chair', 'chair', 'chair', 'chair', 'table', 'table']
这是词汇表的条形图（对数刻度）。
这就是我定义模型的方式：
model = gensim.models.doc2vec.Doc2Vec(vector_size=8, workers=4, min_count=1,epochs=40, dm=0)
观察地点：
model.wv.most_similar_cosmul(positive = ["chair"])
我看到不相关的词
在我看来，以下的效果也很差：
inferred_vector = model.infer_vector(["chair"])
model.docvecs.most_similar([inferred_vector])
我的模型哪里出错了？
更新
有数据（JSON个文件）：
是的，Doc2Vec 和 Word2Vec 经常在合成数据上尝试并且有用。但是它们是否有效可能需要更多的修补和非典型参数，当数据没有反映出与这些算法最初开发的 natural-language 相同的 correlations/distributions 类型时。
首先，您使用的是 dm=0 模式。那是原始“段落向量”论文的 PV-DBOW 模式，具体来说 根本 不训练 word-vectors ，只有 doc-vectors。因此，如果您通过查看 word-vectors 来测试此类模型，您的结果将仅反映任何 word-vectors.
改为检查 model.docvecs，了解您在数据中指定的任何 doc-tags 之间的相似性，它们可能是更有用的关系。
（如果你想让你的 Doc2Vec 模型也学习单词——这不一定重要，尤其是对于一个小数据集或者 doc-vectors 是你的主要兴趣所在——你会使用 dm=1 模式，或将 dbow_words=1 添加到 dm=0 以便模型添加交错 skip-gram 训练。但请注意 word-vector 训练可能 weak/meaningless/harmful 的数据看起来只是重复标记的排序运行，就像您的 ['chair', 'chair', 'chair', 'chair', 'chair', 'table', 'table'] 示例项目一样。）
另外，在此类模型中使用 very-low min_count=1 通常不是一个好主意 - 因为具有任意特质 non-representative 外观的标记会对周围 more-common 令牌比他们帮助。