如何在python中获取gensim中单词的最近文档

我使用doc2vec模型构建文档向量，如下所示

from gensim.models import doc2vec
from collections import namedtuple

dataset = json.load(open(input_file))

docs = []
analyzedDocument = namedtuple('AnalyzedDocument', 'words tags')

for description in dataset:
    tags = [description[0]]
    words = description[1]
    docs.append(analyzedDocument(words, tags))

model = doc2vec.Doc2Vec(docs, vector_size = 100, window = 10, min_count = 1, workers = 4, epochs = 20)

我已经看到gensim doc2vec还包括单词向量。假设我为单词

深度学习创建了一个单词向量。我的问题是,；在python的gensim中，是否可以获取最接近深入学习的
文档

如果需要，我很乐意提供更多细节。
一些
Doc2Vec
模式将在“同一空间”中共同训练文档向量和单词向量。然后，如果您有一个用于
'deep\u learning'
的单词向量，您可以要求该向量附近的文档，结果可能对您有用。例如：

similar_docs = d2v_model.docvecs.most_similar(
                   positive=[d2v_model.wv['deep_learning']]
               )

但是：


这只会和你的模型所学的一样好，就像你所想的那样

一个已知良好文档的培训集适合类别
“深度学习”
（和其他类别）可能会更好-无论您是手工策划这些文档，还是尝试从其他来源（例如Wikipedia类别“”或您信任的其他策划/搜索结果集）进行引导

将一个类别缩减为一个汇总点（一个向量）可能不如拥有一系列适合该类别的示例（许多点）。（相关文档可能不是一个围绕摘要点的整洁球体，而是填充文档向量高维空间的异形区域。）如果每个类别都有很多很好的示例，您可以训练分类器，然后根据训练过的类别对任何进一步未分类的文档进行标记或排序

是的，这是可能的，因为这对word有效analogies@AnkushRasgon如果可能的话，我们怎么做