我是Doc2vec使用的新手。如果我在开始之前得到一些建议，它将节省很多时间。 我的数据是不断传入的文本数据流（如推文）。为了对这些推文进行聚类，我考虑使用doc2vec将文本内容缩减为固定大小的向量，并使用它来比较文档。 所以在这种情况下，文本数据随着时间的推移而积累，这仍然可以与Doc2Vec一起使用，我可能必须一次又一次地学习模型（可能是！）或者我可以使用一些大型语料库，例如维基百科或大型newscorpus训练Doc2Vec模型。
任何建议都会有所帮助！
先谢谢。
答案 0 :(得分：1)
gensim Doc2Vec类不支持使用新文档调整模型，但可以'推断'并根据学习的模型报告新文档的向量从早期的批量培训。
因此，您可以使用新的推断向量将新文档与旧文档进行比较，或将其提供给经过培训的分类器等。
如果新文档继续到达，特别是如果文档中主题/含义的平衡随着时间的推移而漂移，您可能会在某个时候想要根据旧数据丢弃模型，并根据您的创建新模型更大（或更新近）的数据。
（请注意，来自旧模型和新模型的矢量不会直接比较。训练课程涉及很多随机性，任何一个模型中的维度/方向的含义都有些随意它是相同模型中矢量的相对位置，具有一定的解释力。）