如何在Gensim中的doc2vec中获取文档向量

Question

我知道要使用doc2vec中的给定标签获取文档向量print(model.docvecs['recipe__11'])。

我的文档向量是食谱（标签以开头recipe__），报纸（标签以开头news__）或配料（标签以开头ingre__）

现在，我想检索配方的所有文档向量。我的配方文件的格式是recipe__<some number>（例如，配方__23，配方__34）。我想知道是否有可能使用一种模式（例如，以开头的标签recipe__）获得多个文档向量

请帮我！

Answer 1

没有模式检索功能，但是您可以访问中所有已知（字符串）文档标签的列表model.docvecs.offset2doctag。然后，您可以遍历该列表以查找所有匹配项，并分别进行检索。

另外，所有doc矢量都在一个大数组中，model.docvecs.doctag_syn0并且，如果仅使用字符串doc标签，则标签在中的位置offset2doctag将恰好是相应矢量的索引doctag_syn0。这样，您就可以使用numpy的“掩码索引”将向量的子集作为新数组来获取，例如：

recipes_mask = [tag.startswith('recipe_') for tag in model.dacvecs.offset2doctag]
recipes_vectors = model.docvecs.doctag_syn0[recipes_mask]

当然，此向量数组不再具有与原始位置相同的配方，因此您需要额外的步骤才能知道“ recipe__11”向量在何处recipes_vectors。