我想将genism doc2vec模型用于分类任务。 然而，似乎doc2vec的gensim实现需要在训练模型之前查看所有文档（训练和测试）来构建词汇表。否则，如果您想获得构建词汇表时不存在的文档的文档向量，则会出现错误。我想知道我的理解是否正确！实际上，在培训时，人们无法访问测试数据。
有没有办法在测试时更新词汇表，以便能够获得测试文档的文档表示？
答案 0 :(得分：2)
您只能查找在培训期间提供的材料的学习文档向量。
但是，有一种方法infer_vector()可以为冻结的训练模型提供一个新的标记化文档，并返回一个“最适合”的向量。它近似于在培训期间可获得新文件时将返回的内容。参见：
https://radimrehurek.com/gensim/models/doc2vec.html#gensim.models.doc2vec.Doc2Vec.infer_vector