我是doc2vec的新手，对文档向量有一些疑问。 我想要得到的是像“猫一样的哺乳动物”这样的短语的向量。 因此，到目前为止，我尝试使用的是doc2vec预训练模型，我尝试了以下代码
import gensim.models as g
model = "path/pre-trained doc2vec model.bin"
m = g. Doc2vec.load(model)
oneword = 'cat'
phrase = 'cat like mammal'
oneword_vec = m[oneword]
phrase_vec = m[phrase_vec]
当我尝试这段代码时，我可以得到一个单词“猫”的向量，而不是“猫类哺乳动物”的向量。 因为word2vec仅提供一个单词的向量，例如'cat'对吗？ （如果我错了，请纠正我） 所以我搜索并找到了infer_vector（）并尝试了下面的代码
phrase = phrase.lower().split(' ')
phrase_vec = m.infer_vector(phrase)
当我尝试这段代码时，我可以得到一个向量，但是每次尝试时我得到不同的值 短语vec = m.infer_vector（短语） 因为infer_vector具有“步骤”。
当我设置steps = 0时，我总是得到相同的向量。 短语vec = m.infer_vector（短语，步骤= 0）
但是，我还发现文档向量是通过对文档中的单词进行平均获得的。 例如，如果文档由“猫样哺乳动物”这三个词组成，则将“猫”，“喜欢”，“哺乳动物”三个向量相加，然后取平均值，这就是文档向量。 （如果我错了，请纠正我）
这是一些问题。
答案 0 :(得分：0)
使用0步表示完全不进行推断：向量停留在其随机初始化的位置。所以您绝对不想要那样。每次运行infer_vector()时，相同文本的向量都会略有不同是正常的：算法使用的是随机性。重要的是，它们彼此相似，且容差很小。您更有可能使它们与更大 steps值更相似（但仍不相同）。
您还可以在Doc2Vec训练中或gensim FAQ的推论中看到有关此不确定性的条目。
将单词向量平均在一起以获得文档向量是一种有用的技术，对于许多用途而言，作为简单的基线可能会很好。但这与Doc2Vec.infer_vector()所做的不一样-涉及迭代地调整候选向量，使其越来越好地预测文本的单词，就像Doc2Vec训练一样。为了使您的文档向量与在模型训练期间创建的其他文档向量可比，您应该使用infer_vector()。
model.docvecs对象保存在模型训练期间学习的所有文档向量，用于查找（通过训练期间作为其名称给出的标签）或其他操作，例如查找most_similar() N doc -在训练过程中学习到的目标标记/向量中的向量。