Doc2vec 使用小结

"生物沙文主义，在这样一个小范围中，如果它影响到对知识的处理，是可笑的。将任何你担忧的专家交给我，我就会将他的价值发挥到最基本机魂的十倍以上。"
——摘录自《组织思想的问题》，第七章

 

doc2vec继承自word2vec。比起word2vec，doc能更好的使用文章或短句来进行训练与建模。

和word2vec不同，doc2vec需要每次把训练短句的tag作为值传入

TaggededDocument = gensim.models.doc2vec.TaggedDocument
model = gensim.models.Doc2Vec(size=contact_word_num,dm=1, window=1, min_count=1, workers=10) #dm=0-distributed bag of words; dm=1-distributed memory
if os.path.exists(save_path):
    model = gensim.models.Doc2Vec.load(save_path)


#储存分词，用来训练
sentence_cut_list = []

#根据excel的短句学习
def learn_excel_word():

    global sentence_cut_list

    sheet_name = sheet_names[0]
    sheet_ = workbook.sheet_by_name(sheet_name)

    for docIndex_ in MaxWordCount:
        #获取到词库里面的词
        text_ = sheet_.row_values(index_)[0].encode("utf-8")

        word_