什么是gensim＆＃39; docvecs＆＃39;？

Question

以上图片来自Distributed Representations of Sentences and Documents，该文件介绍了Doc2Vec。我正在使用Gensim的Word2Vec和Doc2Vec的实现，这很棒，但我正在寻找一些问题的清晰度。

1. 对于给定的doc2vec模型dvm，什么是dvm.docvecs？我的印象是它是平均或连接的向量，包括所有嵌入和的段落向量d。这是正确的，还是d？
2. 假设dvm.docvecs不是d，可以自行访问吗？怎么样？
3. 作为奖励，如何计算d？该文件只说：

  

在我们的Paragraph Vector框架中（见图2），每一个   paragraph被映射到一个唯一的向量，由a表示   矩阵D中的列，每个字也映射到a   唯一向量，由矩阵W中的列表示。

感谢任何潜在客户！

Answer 1

Doc2Vec模型的docvecs属性包含训练期间所见的“文档标签”的所有训练向量。 （这些在源代码中也称为“doctags”。）

在最简单的情况下，类似于段落向量文件，每个文本示例（段落）只有序列号整数ID作为其“标记”，从0开始。这将是{{1}的索引对象 - 而docvecs numpy数组与段落向量论文摘录中的（大写） D 基本相同。

（Gensim还支持使用字符串标记作为文档标记，每个文档使用多个标记，并在许多培训文档中重复标记。对于字符串标记，如果有的话，它们会映射到{{末尾附近的索引） 1}}由dict model.docvecs.doctag_syn0。）