doc=["This is a sentence","This is another sentence"]
documents=[doc.strip().split(" ") for doc in doc1 ]
model = doc2vec.Doc2Vec(documents, size = 100, window = 300, min_count = 10, workers=4)
我得到了AttributeError:'list'对象没有属性'words',因为Doc2vec()的输入文档格式不正确。我希望下面的示例可以帮助您理解格式。
documents = LabeledSentence(words=[u'some', u'words', u'here'], labels=[u'SENT_1'])
此处有更多详细信息:[http://rare-technologies.com/doc2vec-tutorial/]但是,我通过使用TaggedLineDocument()从文件中获取输入数据解决了该问题。
文件格式:一个文档=一行=一个TaggedDocument对象。单词应该已经过预处理,并用空格分隔,标签是根据文档行号自动构建的。
sentences=doc2vec.TaggedLineDocument(file_path)
model = doc2vec.Doc2Vec(sentences,size = 100, window = 300, min_count = 10, workers=4)
获取文档向量:您可以使用docvecs。 此处有更多详细信息:[https://radimrehurek.com/gensim/models/doc2vec.html#gensim.models.doc2vec.TaggedDocument]
docvec = model.docvecs[99]
其中99是我们想要其向量的文档ID。 如果标签为整数格式(默认情况下,如果使用TaggedLineDocument()加载),则像我一样直接使用整数id。 如果标签为字符串格式,请使用“ SENT_99”。这类似于Word2vec