Python Doc2Vec模型中的KeyError，即使在训练期间最小计数设置为1

我正在使用doc2vec，它拥有大约100万个标题的语料库。为了训练语料库，我使用以下代码：

model = gensim.models.Doc2Vec(min_count=1, window=10, size=300, workers=4)
model.build_vocab(corpus)
for epoch in range(10):
    model.train(corpus)

一切似乎都训练得很好，我能用标题推断出一个向量。最相似

然而，当我尝试使用向量时，我遇到了一个问题。似乎最终模型中缺少了一些文档！即：

model.docvecs['SENT_157000']

KeyError:“已发送\u 157000”

---

我查看了gensim论坛和stackoverflow，我能找到的唯一建议是确保最小计数=1。我这样做了，但我仍然有这个问题。

从

gensim

的

Doc2Vec

输入到

Doc2Vec

应该是

LabeledSentence

对象的迭代器

您的

语料库

变量需要按如下方式构造：

class LabeledLineSentence(object):
    def __init__(self, filename):
        self.filename = filename

    def __iter__(self):
        for uid, line in enumerate(open(self.filename)):
            yield LabeledSentence(words=line.split(), labels=['SENT_%s' % uid])


corpus = LabeledLineSentence(filename)

接

model.train(corpus)