Python 如何在doc2vec中查找文档中最相似的术语/单词？

我已经应用Doc2vec将文档转换为向量。之后，我在聚类中使用向量，并计算出每个聚类的质心最近/最相似的5个文档。现在，我需要找到这些文档中最主要或最重要的术语，以便我能够找出每个集群的特征。

---

我的问题是，有没有办法找出Doc2vec文档中最主要或最简单的术语/单词。我正在使用python的gensim包进行Doc2vec实现，要找出集群中最主要的词，您可以使用这两种经典方法中的任何一种。我个人认为第二种方法在这方面非常有效

• 潜在Drichlet分配（LDA）：一种主题建模算法，在给定文档集合的情况下为您提供一组主题。您可以将集群中的一组类似文档视为一个文档，并应用LDA生成主题，并查看跨文档的主题分布

• TF-IDF:TF-IDF计算给定文档集合中单词对文档的重要性。因此，要找到最重要的关键字/ngrams，可以计算文档中出现的每个单词的TF-IDF。TF-IDF值最高的词就是你的关键词。因此：
  • 根据包含该关键字的文档数，计算文档中出现的每个单词的IDF
  • 连接相似文档的文本（我称之为超级文档），然后计算这个超级文档中出现的每个单词的TF
  • 计算每个单词的TF*IDF。。。然后塔达。。。您有与每个集群关联的关键字
  请参阅第5.1节，了解有关使用的更多详细信息

---

要找出集群中最主要的词，您可以使用这两种经典方法中的任何一种。我个人认为第二种方法在这方面非常有效
• 潜在Drichlet分配（LDA）：一种主题建模算法，在给定文档集合的情况下为您提供一组主题。您可以将集群中的一组类似文档视为一个文档，并应用LDA生成主题，并查看跨文档的主题分布

• TF-IDF:TF-IDF计算给定文档集合中单词对文档的重要性。因此，要找到最重要的关键字/ngrams，可以计算文档中出现的每个单词的TF-IDF。TF-IDF值最高的词就是你的关键词。因此：
  • 根据包含该关键字的文档数，计算文档中出现的每个单词的IDF
  • 连接相似文档的文本（我称之为超级文档），然后计算这个超级文档中出现的每个单词的TF
  • 计算每个单词的TF*IDF。。。然后塔达。。。您有与每个集群关联的关键字
  请参阅第5.1节，了解有关使用的更多详细信息

@TrnKh's不错，但在使用

Doc2Vec

时，还有一个附加选项可用
一些gensim Doc2Vec训练模式–默认的PV-DM（

DM=1

）或添加单词训练的PV-DBOW（

DM=0，DBOW_words=1

）将文档向量和单词向量训练到同一坐标空间，在某种程度上意味着文档向量是近相关的单词向量，反之亦然
因此，您可以获取单个文档的向量，或合成的平均/质心向量，并将其提供给模型以查找最相似的单词。（为了明确这是一个原始向量，而不是向量键的列表，您应该使用

most_similor（）

的形式，它指定了一个明确的

正的
示例列表。）

例如：

docvec = d2v_model.docvecs['doc77145']  # assuming such a doc-tag exists
similar_words = d2v_model.most_similar(positive=[docvec])
print(similar_words)

@TrnKh很好，但在使用
Doc2Vec
时，还有一个附加选项可用

一些gensim Doc2Vec训练模式–默认的PV-DM（
DM=1
）或添加单词训练的PV-DBOW（
DM=0，DBOW_words=1
）将文档向量和单词向量训练到同一坐标空间，在某种程度上意味着文档向量是近相关的单词向量，反之亦然

因此，您可以获取单个文档的向量，或合成的平均/质心向量，并将其提供给模型以查找最相似的单词。（为了明确这是一个原始向量，而不是向量键的列表，您应该使用
most_similor（）
的形式，它指定了一个明确的
正的
示例列表。）

例如：

docvec = d2v_model.docvecs['doc77145']  # assuming such a doc-tag exists
similar_words = d2v_model.most_similar(positive=[docvec])
print(similar_words)

请提供文档的示例文本和代码。请提供文档的示例文本和代码。