Doc2vec

Doc2Vec 是基于Word2Vec的思想。
只是巧妙的加了一个paragraph id 以此来表示整个文档的向量分布。

假设一篇文章共有N个段落，每个段落都会有个一个paragraph_id，然后每个段落做PV-DM模型。
和word2vec的主要不同点即为，paragraph_Id 由一个矩阵D构成，他和其他word vector 组成的W矩阵进行concate连接，用来预测中心词。

还有另外一种形式的Doc2vec，即为给定一个paragraph_id，不加入任何单词文本信息，去预测该段落拥有的一些单词。（类似于word2vec 中的Skip-gram模型）称之为Distributed Bag of Words version of paragraph vectors.（PV-DBOW).

Doc2vec的优点：
1.首先，它是一种无监督的算法，并不需要标注数据就可以进行一些训练。
2.其次，他继承了word2vec的语义上的优点。即相似的词，向量距离相近。
3.另外，他还在训练时，考虑了上下文的单词顺序关系。因此，会拥有一些单词顺序上的语义理解。但是又不会像n-gram那样生成很高维度的数据。