Nlp Doc2vec预测-我们是平均单词数还是新段落的段落ID？

我知道您在培训期间将段落ID视为doc2vec（DM方法，图左）中的新词。训练输出是上下文单词。在一个模型被训练之后，假设我想要得到一个新文档

我是否将每个单词输入网络，然后对其进行平均以获得嵌入效果？还是有别的办法

我可以把这个反馈给gensim，但我正在努力理解它是如何工作的

---

在模型批量训练过程中，候选文档向量逐渐被推到更好地预测文本的单词，就像单词向量训练一样。因此，在培训结束时，您将获得文本旁边提供的所有标识符的文档向量

您可以通过在培训期间提供的标识符（在

gensim中称为“doctag”）的doct样式索引查找，从
gensim
Doc2Vec
模型访问这些文件：

model.docvecs[tag]`

训练后，为了获得新文本的文档向量，使用了一个推理过程。模型被冻结，并为文本形成一个新的随机候选向量（就像那些开始批量训练文本的向量一样）。然后，以一种完全类似于训练的方式，对其进行增量推送，以便更好地预测单词——但只有这一个新的候选向量发生了变化。（所有模型内部权重保持不变。）

---

您可以通过

推断向量（）

方法计算这些新向量，该方法获取了一个单词标记列表，这些单词标记应该像培训期间提供的文本一样经过预处理：

模型。推断向量（单词）

我认为使用上述方法冻结模型，只有随机的新段落向量和再培训应该更有效，但我看到一种说法，简单地使用句子中所有单词向量的平均值在某些情况下更有效