Gensim Doc2Vec异常AttributeError：'str'对象没有属性'words'

Question

我正在从Doc2Vec库中学习gensim模型，并按如下方式使用它：

class MyTaggedDocument(object):
    def __init__(self, dirname):
        self.dirname = dirname

    def __iter__(self):
        for fname in os.listdir(self.dirname):
            with open(os.path.join(self.dirname, fname),encoding='utf-8') as fin:
                print(fname)
                for item_no, sentence in enumerate(fin):
                    yield LabeledSentence([w for w in sentence.lower().split() if w in stopwords.words('english')], [fname.split('.')[0].strip() + '_%s' % item_no])
sentences = MyTaggedDocument(dirname)
model = Doc2Vec(sentences,min_count=2, window=10, size=300, sample=1e-4, negative=5, workers=7)

输入dirname是一个目录路径，为简单起见，只有2个文件位于每个包含100行以上的文件中。我正在关注异常。

此外，使用print语句，我可以看到迭代器在目录上迭代了6次。为什么会这样？

任何形式的帮助都将受到赞赏。

Answer 1

它看起来像一个文本示例对象，其形状应该为TaggedDocument（具有words和tags属性，以前称为LabeledSentence），不知何故，一个普通的字符串。您是否100％确定屏幕截图中的错误是由您所包含的可迭代代码生成的？ （这里的代码看起来只能发出可接受的LabeledSentece个对象。）

您提供的语料库Iterable被读取一次以进行初始扫描，发现所有单词/标签，然后再次多次进行训练。多少次由iter参数控制，默认值（在最近版本的gensim中）为5.因此，初始扫描加上5次训练通过等于6次迭代。 （Doc2Vec常见10次或更多次迭代。）