Doc2vec优点及步骤

转自https://blog.csdn.net/smartcat2010/article/details/78637096

（Doc2Vec，可用用来做情感分析任务）

Doc2Vec优点：1. Context层面保留词语顺序关系(PV-DM)；2. 具有语义

2个步骤：

1. 训练：把段落当成一个独立的词，和Context词语们一起作为输入，训练段落向量和词语向量和网络权重；

2. 预测：固定词向量和网络权重，只更新新段落的向量，直至收敛；

用这个新段落的向量，可以做分类等任务（单独训练传统神经网络或者LR；比如把段落Embedding当输入层，目标函数是MSE去回归拟合情感分数）

PV-DM效果更好；

分类等后续任务，使用PV-DM的段落向量和PV-DBOW的段落向量首尾相连，效果更好; (比RNN的效果还要好；远好于WordVector的Avg-Pooling; 远好于TF-IDF）

向量首尾相连，比加和效果好；

预测阶段可以并行计算来加速；