什麼是gensim的'docvecs'？

以上圖片來自Distributed Representations of Sentences and Documents，論文介紹Doc2Vec。我正在使用Gensim的Word2Vec和Doc2Vec實現，這很好，但我正在尋找幾個問題的清晰度。

對於給定的doc2vec模型dvm，什麼是dvm.docvecs？我的印象是，它是包含嵌入和段落矢量d的所有單詞的平均或級聯向量。這是正確的，還是d？
假設dvm.docvecs不d，可以自己一個接入d？怎麼樣？
作爲獎勵，d是如何計算的？本文只是說：

在我們的第矢量框架（參見圖2），每段被映射到一個唯一的向量，表示通過在基體d和字字柱也被映射到一個獨特的矢量，由矩陣W中的列表示。

感謝您的任何線索！

來源

2017-01-18 Michael Davidson

的Doc2Vec模型的docvecs屬性保存所有的培訓向量訓練中看到的「文件標籤」。（這些在源代碼中也被稱爲'doctags'。）

在最簡單的情況下，類似於Paragraph Vectors文件，每個文本示例（段落）都只有一個序列號整數ID作爲其'標記」，從0開始。這將是一個指數到docvecs對象 - 與model.docvecs.doctag_syn0 numpy的陣列是基本上在摘自段落載體紙上的同樣的事情（大寫）d。（Gensim還支持使用字符串標記作爲文檔標記，併爲每個文檔創建多個標記，並在許多培訓文檔中重複使用標記。對於字符串標記，如果有的話，它們映射到docvecs末尾附近的索引由字典model.docvecs.doctags。）

來源

2017-01-19 00:14:55 gojomo

感謝您的答覆。如果我理解你的第一句話，'docvecs'是與上圖中的'Average/Concatenate'旁邊的矢量對應的唯一文檔向量。那是對的嗎？ –

實際上'model.docvecs'是一個幫助對象，它持有*所有被訓練的文檔向量。它（特別是它的'doctag_syn0'數組就像圖中的'段落矩陣'）被用來獲得一個單獨的向量* D *（如圖中的橙色），與單個向量混合進行單個訓練樣例。 – gojomo

有趣。當'dm = 0'，因此使用PV-DBOW算法時，'model.docvecs'等於'model.docvecs.doctag_syn0'。這是有道理的，我猜想是因爲沒有將字嵌入與段落矩陣結合在一起。謝謝您的幫助！ –

什麼是gensim的'docvecs'？

回答

相關問題