doc2vec java_如何提取用于Doc2Vec的单词

我正在使用推文准备Doc2Vec模型 . 每条推文的单词数组都被视为一个单独的文档，标记为“SENT_1”，SENT_2“等 .

taggeddocs = []

for index,i in enumerate(cleaned_tweets):

if len(i) > 2: # Non empty tweets

sentence = TaggedDocument(words=gensim.utils.to_unicode(i).split(), tags=[u'SENT_{:d}'.format(index)])

taggeddocs.append(sentence)

# build the model

model = gensim.models.Doc2Vec(taggeddocs, dm=0, alpha=0.025, size=20, min_alpha=0.025, min_count=0)

for epoch in range(200):

if epoch % 20 == 0:

print('Now training epoch %s' % epoch)

model.train(taggeddocs)

model.alpha -= 0.002 # decrease the learning rate

model.min_alpha = model.alpha # fix the learning rate, no decay

我希望找到类似于给定推文的推文，说“SENT_2” . 怎么样？

我得到类似推文的标签：

sims = model.docvecs.most_similar('SENT_2')

for label, score in sims:

print(label)

它打印为：

SENT_4372

SENT_1143

SENT_4024

SENT_4759

SENT_3497

SENT_5749

SENT_3189

SENT_1581

SENT_5127

SENT_3798

但鉴于标签，我如何获得原始推文词/句子？例如 . 什么是推文，比如“SENT_3497” . 我可以查询到Doc2Vec模型吗？