将gensim doc2vec嵌入导出到单独的文件中，以便稍后与keras嵌入层一起使用

我对gensim有点陌生，现在我正试图解决在keras中使用doc2vec嵌入的问题。我在keras中找不到doc2vec的现有实现——据我所见，到目前为止，在我找到的所有示例中，所有人都只是使用gensim来获取文档嵌入

一旦我在gensim中训练了我的doc2vec模型，我需要以某种方式将嵌入权重从genim导出到keras中，但如何做到这一点还不清楚。我明白了

model.syn0

假定给出了单词2vec的嵌入权重（根据）。但不清楚如何为文档嵌入执行相同的导出。有什么建议吗

我知道，一般来说，我可以直接从gensim模型中获取每个文档的嵌入，但我想稍后对keras中的嵌入层进行微调，因为文档嵌入将作为更大任务的一部分使用，因此它们可能会被微调一点。

我发现了这一点

假设您已经培训了gensim模型并使用字符串标记作为文档ID：

#get vector of doc
model.docvecs['2017-06-24AEON']
#raw docvectors (all of them)
model.docvecs.doctag_syn0
#docvector names in model
model.docvecs.offset2doctag

假设DataFrame df拥有所有文档，您可以将此文档向量导出到keras嵌入层，如下所示。请注意，在嵌入矩阵中，只需传递整数作为输入。我使用dataframe中的原始编号作为文档的id进行输入。另外请注意，嵌入层要求不接触索引0-它是为屏蔽而保留的，所以当我将文档id作为输入传递到我的网络时，我需要确保它大于0

#creating embedding matrix
embedding_matrix = np.zeros((len(df)+1, text_encode_dim))
for i, row in df.iterrows():
    embedding = modelDoc2Vec.docvecs[row['docCode']]
    embedding_matrix[i+1] = embedding

#input with id of document
doc_input = Input(shape=(1,),dtype='int16', name='doc_input')
#embedding layer intialized with the matrix created earlier
embedded_doc_input = Embedding(output_dim=text_encode_dim, input_dim=len(df)+1,weights=[embedding_matrix], input_length=1, trainable=False)(doc_input)

更新 2017年末后，随着Keras 2.0 API的引入，最后一条生产线应改为：

embedded_doc_input = Embedding(output_dim=text_encode_dim, input_dim=len(df)+1,embeddings_initializer=Constant(embedding_matrix), input_length=1, trainable=False)(doc_input)

---

我的印象是，

keras.layers.Embedding

with

weights

的格式不受欢迎。如果您检查这个（）和这个（）@PoeteMaudit，您是对的，它会有一些变化。现在最后一行不是权重=[embedding\u matrix]，我们应该做embeddings\u initializer=常量（embedding\u matrix）。更新了答案，谢谢你的noteCool（upvote）。老实说，我没有测试

weights

参数当前是否有效。我刚刚看到这个人的帖子，他声称它不起作用。可能是

weights

参数仍然有效？我无法理解

Input（shape=（1，），dtype='int16'，name='doc\u Input'）一行中的
Input
是什么内容，只是文档列表中的一个行号。因此，我在数据帧中为我的网络提供文件的整数id——嵌入比根据文件的整数is提取所需的嵌入要晚