build_vocab() 到底做了什么？
What does build_vocab() do exactly?
我正在尝试构建 Doc2Vec 模型。我有一个带有标签的句子列表，使用 Gensim 的 LabeledSentence() 函数进行标记。建立模型后，我看到他们在训练模型之前对标记的句子使用了 build_vocab()。
谁能解释一下 build_vocab() 的作用以及如果我不使用它会发生什么！？
请查看以下图片：
labeled sentences
model
build_vocab() 步骤是模型如何发现所有可能 words/doc-tags 的集合——在单词的情况下，找到出现次数超过 min_count 的单词。
您必须使用它：尝试训练未经过该发现步骤的模型将会出错。
（如果您使用模型实例化的形式在创建对象时提供您的语料库，那么 build_vocab() 和 train() 都会自动为您调用。）
关于你提到的 LabeledSentence：
要与首选 terminology/types 保持同步，您应该使用 TaggedDocument class。将单个训练项目描述为文档比句子更好，并且在模型中，它们的全文文档向量键称为标签，而不是标签。 （在某些情况下，它们也可能是 classifier 使用的那种标签，但并非总是如此，而且大多数情况下，标签是每个文档的唯一 ID。因此术语 'tag' 在阻止将这些 keys-for-doc-vector 与其他可能是“标签”的东西混为一谈的代码。)
( LabeledSentence class 是一个旧名称，现在只是 TaggedDocument 的别名。因此将它用作名称可以，但与其他名称不匹配的代码。）
我正在尝试构建 Doc2Vec 模型。我有一个带有标签的句子列表，使用 Gensim 的 LabeledSentence() 函数进行标记。建立模型后，我看到他们在训练模型之前对标记的句子使用了 build_vocab()。
谁能解释一下 build_vocab() 的作用以及如果我不使用它会发生什么！？
请查看以下图片：
labeled sentences
model
build_vocab() 步骤是模型如何发现所有可能 words/doc-tags 的集合——在单词的情况下，找到出现次数超过 min_count 的单词。
您必须使用它：尝试训练未经过该发现步骤的模型将会出错。
（如果您使用模型实例化的形式在创建对象时提供您的语料库，那么 build_vocab() 和 train() 都会自动为您调用。）
关于你提到的 LabeledSentence：
要与首选 terminology/types 保持同步，您应该使用 TaggedDocument class。将单个训练项目描述为文档比句子更好，并且在模型中，它们的全文文档向量键称为标签，而不是标签。 （在某些情况下，它们也可能是 classifier 使用的那种标签，但并非总是如此，而且大多数情况下，标签是每个文档的唯一 ID。因此术语 'tag' 在阻止将这些 keys-for-doc-vector 与其他可能是“标签”的东西混为一谈的代码。)
( LabeledSentence class 是一个旧名称，现在只是 TaggedDocument 的别名。因此将它用作名称可以，但与其他名称不匹配的代码。）