什么是 gensim 的“docvecs”？

Question

上图来自Distributed Representations of Sentences and Documents，介绍 Doc2Vec 的论文。我正在使用 Gensim 的 Word2Vec 和 Doc2Vec 实现，它们很棒，但我正在寻找一些问题的清晰度。

1. 对于给定的 doc2vec 模型dvm，什么是dvm.docvecs？我的印象是它是平均或连接的向量，包括所有的词嵌入和段落向量，d。这是正确的，还是d？
2. 假设dvm.docvecs不是d，可以自己访问 d 吗？如何？
3. 作为奖励，如何d计算？报纸上只说：

在我们的段落向量框架（见图 2）中，每个段落都映射到一个唯一的向量，由矩阵 D 中的一列表示，每个词也映射到一个唯一的向量，由矩阵 W 中的一列表示。

感谢您的任何线索！

Answer 1

docvecsDoc2Vec 模型的属性包含训练期间看到的“文档标签”的所有训练向量。（这些在源代码中也称为“doctags”。）

在最简单的情况下，类似于 Paragraph Vectors 论文，每个文本示例（段落）只有一个序列号整数 ID 作为它的“标签”，从 0 开始。这将是docvecs对象的索引——而model.docvecs.doctag_syn0numpy 数组是本质上与段落向量论文摘录中的（大写）D相同。

（Gensim 还支持使用字符串标记作为文档标签，每个文档使用多个标签，并在许多训练文档中重复标签。对于字符串标签，如果有的话，它们被映射到docvecsdict末尾附近的索引model.docvecs.doctags。）