我正在使用word2vec算法来检测文档中最重要的单词，我的问题是如何使用从doc2vec获得的向量来计算重要单词的权重，我的代码是这样的：
model = Doc2Vec.load(fname)
word=["suddenly"]
vectors=model.infer_vector(word)
谢谢你的考虑。
答案 0 :(得分：0)
假设您可以使用doc2vec找到与整个文档相对应的向量R。我们还假设使用word2vec，您也可以找到与任何单词v对应的向量w。最后，让我们假设R和v位于相同的 N维空间中。
假设所有这些，您可以使用普通的老向量算法找出R和v之间的一些相关性。
对于初学者，您可以将v标准化。毕竟，归一化只是将每个维度除以v的大小。 （即|v|）让我们将v的规范化版本称为v_normal。
然后，您可以将v_normal投影到向量R所代表的行上。该投影操作只是找到v_normal和R的点积，对吗？我们将点积的标量结果称为len_projection。好吧，您可以将len_projection / |v_normal|视为 parallel 单词的上下文与整个文档的上下文的对比。事实上，只考虑len_projection就足够了，因为在这种情况下，v_normal被归一化，|v_normal| == 1。
现在，您可以将此过程应用于文档中的所有单词，并将导致最大len_projection值的单词视为该文档中最重要的单词。
请注意，此方法最终可能会找到常用字词，例如“I”，或“和”作为文档中最重要的字词，就像这样的字词出现在许多不同的背景下。如果这是您想要解决的问题，您可能需要执行后处理步骤来过滤此类常用词。
我在这里有点想到这种方法，我不确定这种方法是否有任何科学依据。但是，如果你想一下大多数矢量嵌入是如何工作的话，这可能是有意义的。通常训练单词向量来表示使用单词的上下文。从向量算术的角度思考，将向量投影到一条线上可以揭示该词w的上下文与该行所代表的整体上下文的平行程度。
最后但并非最不重要的是，因为我之前只使用过word2vec，所以我不确定doc2vec和word2vec数据是否可以像上面提到的那样使用。正如我在答案的第一段中所说，R和v必须位于相同的 N维空间中。
答案 1 :(得分：0)
使用infer_vector()时，所提供的单词都没有任何重量＆＃39;或者“重要性”。
推理过程试图逐步建立一个通常很好地预测所有提供的单词的doc-vector，并且每个单词（反过来）都是该过程同样重要的目标。
另外：推理很少适用于微小的例子，例如只有一个或几个单词的文本。当为其可选参数提供非默认值时，推理通常会更好。例如，代替默认steps=5，值为20,100或更多可能会有所帮助，尤其是对于较小的文本。而不是默认的起始alpha=0.1，值0.025（类似于训练默认值）通常会有所帮助。