Question

我是doc2vec的新手，我希望你们中的一些人可以帮我解决这个问题。我已经向很多人询问了这个问题，但没有人知道解决方案。

我想做的是将Doc2vec结果集中到k-means中。请参阅下面的代码。

mbk = MiniBatchKMeans(n_clusters=3, init_size=400, batch_size=300, verbose=1).fit(model_dm.docvecs[range([2000])                                                                                                 
MiniBatchKMeans.predict(mbk,mbk.labels_ )

我收到此错误。

TypeErrorTraceback (most recent call last)
<ipython-input-19-fbc57a13bf4b> in <module>()
      6 
      7 
----> 8 mbk = MiniBatchKMeans(n_clusters=3, init_size=400, batch_size=300, verbose=1).fit(model_dm.docvecs[:2000])
      9 
     10 #model_dm.docvecs.doctag_syn0[2000]

/usr/local/lib64/python2.7/site-packages/gensim/models/doc2vec.pyc in __getitem__(self, index)
    351             return self.doctag_syn0[self._int_index(index)]
    352 
--> 353         return vstack([self[i] for i in index])
    354 
    355     def __len__(self):

TypeError: 'slice' object is not iterable

Answer 1

您正试图在代码的这一部分上聚类单个文档向量（准确地说是第2001个向量）：

.fit(model_dm.docvecs[2000])

我假设你想要前2000个载体？

修改

在查看gensim文档之后，无法找到获取文档向量的方法。但是查看source code DocvecsArray接受单个键（int或str）或键列表。有了它，您可以使用以下方法获取前2000个向量：

.fit(model_dm.docvecs[range(2000)])

它看起来并不令人满意，所以如果我以后可以找到另一种方法，我会解决问题。

另外请记住，这些不是第一个 2000向量，因为gensim似乎将docvecs存储为键：值对和字典不是有序的。

第二次修改：

K-means部分代码也需要修复，您正在调用MiniBatchKMeans class＆＃39; predict功能。并将类实例（mbk）作为参数。如果你需要预测其他任何东西，你需要调用类实例（在这种情况下它是mbk）predict函数。我认为你不会这样做。

您可以使用以下代码获取指定的标签。

mbk = MiniBatchKMeans(n_clusters=3, init_size=400, batch_size=300, verbose=1).fit(model_dm.docvecs[range(2000]) mbk.labels_

Gensim Doc2vec模型聚类成K-means

1 个答案: