我正在使用Doc2Vec标记作为我的文档的唯一标识符，每个文档都有不同的标记，没有语义含义。我正在使用标签查找特定文档，以便我可以计算它们之间的相似性。
标签会影响我的模型的结果吗？
在这个tutorial中，他们讨论了一个参数train_lbls=false，如果设置为false，则没有为标签（标签）学习的表示。
该教程有点过时了，我猜参数不再存在，Doc2Vec如何处理标签？
答案 0 :(得分：9)
对于gensim的Doc2Vec，您的文字示例必须是与示例TaggedDocument类相似的对象：具有words和tags属性。 tags属性应该是一个＆＃39;标记列表，它们作为将从相应文本中学习的doc-vectors的键。
在经典/原始案例中，每个文档都有一个标记 - 实际上是该文档的唯一ID。 （标签可以是字符串，但对于非常大的语料库，如果你使用普通Python整数的标签，从0开始，没有跳过的值，Doc2Vec将使用更少的内存。）
标签用于在训练后查找学习的向量。如果您在培训过程中使用单个标记'mars'获得了文档，则可以使用以下方法查找学习的向量：
model.docvecs['mars']
如果您进行了model.docvecs.most_similar['mars']通话，结果也会通过标签键进行报告。
标签是只是键到doc-vectors集合中 - 它们没有语义含义，即使从文本中的单词标记重复一个字符串，也没有此标记键和单词之间的必要关系。
也就是说，如果您的单个ID标记是“mars”，那么通过该密钥访问的学习doc-vector（model.docvecs['mars']）之间没有本质关系。 ，以及使用相同字符串键（model.wv['mars']）访问的任何学习过的单词向量 - 它们来自单独的向量集合。