Python 如何在Tensorflow中使用Doc2Vec中的向量

我尝试使用

Doc2Vec

将句子转换为向量，然后使用这些向量来训练tensorflow分类器

我有点困惑于标签的用途，以及在完成培训后如何从

Doc2Vec

中提取所有文档向量

我的代码如下：

fake_data = pd.read_csv('./sentences/fake.txt', sep='\n')
real_data = pd.read_csv('./sentences/real.txt', sep='\n')
sentences = []

for i, row in fake_data.iterrows():
    sentences.append(TaggedDocument(row['title'].lower().split(), ['fake', len(sentences)]))

for i, row in real_data.iterrows():
    sentences.append(TaggedDocument(row['title'].lower().split(), ['real', len(sentences)]))

model = gensim.models.Doc2Vec(sentences)

当我打印（model.docvecs[1]）等时，我会得到向量，但每次我重新制作模型时，向量都是不同的

首先：我是否正确使用了

Doc2Vec

？

---

第二：有没有一种方法可以抓取所有标记为“真”或“假”的文档，然后将它们转换成一个numpy数组并将其传递到tensorflow中？

我相信您用于每个

标记文档的
标记不是您所期望的。Doc2Vec算法学习指定标记的向量表示（其中一些可以在文档之间共享）。因此，如果您的目标只是将句子转换为向量，那么建议选择某种独特的句子标识符，例如句子索引

然后，学习的模型存储在
model.docvecs
中。例如，如果使用句子索引作为标记，则可以通过访问标记
“0”
的
model.docvecs
获取第一个文档向量，访问标记
“1”
的第二个文档，依此类推

示例代码：

documents=[doc2vec.TaggedDocument（句子，['real-%d'%i]）
对于i，枚举中的句子（句子）]
model=doc2vec.doc2vec（文档，向量大小=10）#10仅用于说明
#原始向量存储在“model.docvecs.vectors\u docs”中。
#通过存储在'model.docvecs.doctags'中的标记，可以更容易地访问每个文件。
对于model.docvecs.doctags.keys（）中的标记：
打印（标记，model.docvecs[tag]）#打印该标记的已学习numpy数组

顺便说一下，为了控制模型的随机性，使用
Doc2Vec
类的
seed
参数。
gensim包中的Doc2Vec不是tensorflow，它是独立的。