Python doc2vec的调整大小参数

我有一个1.2mil的单句描述（5-50个单词）的数据集，我想把它们分为n个簇。对于向量转换，我想使用doc2vec获得1.2mil大小相等的向量。但是，我不确定大小参数应该是什么。我已经读过，它应该在100-300之间，但是因为在这种情况下，如果向量很小，每个文档的标记（单词）就更少了？

您的数据——超过一百万个文本，可能有几千万个单词——肯定足够大，可以尝试100维的默认向量大小

拥有较小数据集的人可能需要尝试更小的向量大小，但这与

Doc2Vec

（“段落向量”）工作良好的情况相去甚远

但是，数据集和目标的实际最佳大小必须通过实验来确定。（如果你的数据集主要是5个单词的文本，如果你的独特单词的词汇量很小，也许你也需要尝试更小的大小。）

没有一个答案——文本/词汇的多样性以及数据中的模式将影响最佳选择。只有拥有自己的特定于项目的可重复评估（可用于比较备选方案），才能引导您选择最佳方案