Что такое docvecs от gensim?

Question

Вышеуказанный снимок от Distributed Representations of Sentences and Documents, документ, представляющий Doc2Vec. Я использую реализацию Gensim для Word2Vec и Doc2Vec, которые великолепны, но я ищу ясность по нескольким вопросам.

1. Для данной модели doc2vec dvm, что dvm.docvecs? Мое впечатление, что это усредненный или конкатенированный вектор, который включает в себя все слова вложения и вектор абзаца, d. Это правильно, или это d?
2. Предполагается, что dvm.docvecs не является d, может ли один доступ к нему сам? Как?
3. В качестве бонуса, как рассчитывается d? Бумага только говорит:

В нашем пункте Векторные рамки (см Рисунок 2), каждый пункт отображается уникальный вектор, представленный в столбца в матрице D и каждое слово, также отображается к уникальный вектор, представленный колонкой в ​​матрице W.

Спасибо за любые указания!

Answer 1

docvecs свойство модели Doc2Vec содержит все подготовленные векторы для «тегов документа», которые видны во время обучения. (Они также упоминаются как «doctags» в исходном коде.)

В самом простом случае, аналогичном документу «Векторы абзаца», каждый текстовый пример (параграф) имеет только идентификатор целочисленного номера в виде его тега ', начиная с 0. Это будет индексом в объекте docvecs, а массив numpy model.docvecs.doctag_syn0 по существу является тем же, что и (столица) D в выписке из статьи «Векторы абзацев».

(Gensim также поддерживает использование токенов в качестве тегов документов и несколько тегов на документ и повторяет теги на многих учебных документах. Для строковых тегов, если они есть, они сопоставляются с индексами в конце docvecs by dict model.docvecs.doctags.)