我已经构建了一个gensim Doc2vec模型。我们称之为doc2vec。现在我想根据我的doc2vec模型找到给定文档中最相关的单词。
例如，我有一个关于“java”的文档，标签为“doc_about_java”。当我要求提供类似的文档时，我会获得有关其他编程语言和与java相关的主题的文档。所以我的文档模型效果很好。
现在我想找到与“doc_about_java”最相关的单词。
我按照封闭式问题How to find most similar terms/words of a document in doc2vec?中的解决方案，它给了我看似随机的单词，“java”这个词甚至不在前100个相似的单词中：
docvec = doc2vec.docvecs['doc_about_java']
print doc2vec.most_similar(positive=[docvec], topn=100)
我也尝试过这样：
print doc2vec.wv.similar_by_vector(doc2vec["doc_about_java"])
但它没有改变任何东西。如何找到给定文档中最相似的单词？
答案 0 :(得分：1)
并非所有Doc2Vec模式都训练单词向量。特别是，PV-DBOW模式dm=0通常在doc-vector比较中非常有效，它将字向量留在随机分配（和未使用）的位置。
这可以解释为什么您最初尝试获取相关列表的结果似乎是随机的。
要获得单词向量，您需要使用PV-DM模式（dm=1），或者向PV-DBOW（dm=0, dbow_words=1）添加可选的并发单词向量训练。
（如果这不是问题，您的培训设置可能还有其他问题，因此您应该显示有关数据源，大小和代码的更多详细信息。）
（另外，您的替代尝试代码行，使用doc2vec["doc_about_java"]检索"doc_about_java"的字词向量（可能根本不存在）。要获取doc-vector，请使用doc2vec.docvecs["doc_about_java"]，与第一个代码块一样。）