Python 将doc2vec段落表示映射到训练后的类标记

我已经使用Python的gensim包中的Doc2Vec模块对文本文档上的Doc2Vec段落嵌入进行了培训。通常，每个文档都带有唯一的ID标记，从而产生唯一的输出表示，详细信息请参见以下内容：

def tag_docs(docs, col):
    tagged = docs.apply(lambda r: TaggedDocument(words=simple_preprocess(r[col]), tags=[r.label]), axis=1)
    return tagged

但是，您也可以使用相同的标记标记一组文档，以便训练类表示，这就是我在这里所做的。可以使用以下命令查询输出表达的数量：

print(model.docvecs.count)

我的问题如下：我训练了n类文档的模型，在model.docvecs中生成了n个文档向量。现在，我想将每个文档向量映射到相应的类标记。如何确定哪个向量与哪个标记关联？

如果classA是您在培训期间提供的文档标记之一，则model.docvecs['classA']将返回从培训中为该标记学习的单个文档向量

如果您有另一个新向量，例如通过model.infere\u vectorwords在新文本上推断的向量，那么您可以通过model.docvecs.most\u similarpositive=[new\u vectorwords]获得模型中哪些学习到的文档向量最接近的列表

如果您真正的目标是将新文档分类为一个或多个此类，那么采用最相似的结果是一种粗略的方法

但是，如果将所有类都简化为一个摘要向量（为该标记学习的一个向量），然后只获取一个新文档的最近邻，则可能无法很好地执行。这在一定程度上迫使人们假设类是n维空间中非常简单的形状

对于分类，您可能希望让所有文档获得单个向量，而不是基于它们的已知类，或者除了它们的已知类之外，然后在该文档向量集上训练一个单独的分类器，即标签数据。这可以发现类之间更细粒度、形状奇特的边界