Doc2Vec.infer_vector每次都会在特定的训练模型上保持不同的结果

Question

我正在尝试遵循这里提到的官方Doc2Vec Gensim教程 - https://github.com/RaRe-Technologies/gensim/blob/develop/docs/notebooks/doc2vec-lee.ipynb

我修改了第10行中的代码以确定给定查询的最佳匹配文档,每次运行时,我得到一个完全不同的结果集.我在笔记本第10行的新代码是:

inferred_vector = model.infer_vector(['only', 'you', 'can', 'prevent', 'forest', 'fires']) sims = model.docvecs.most_similar([inferred_vector], topn=len(model.docvecs)) rank = [docid for docid, sim in sims] print(rank)

每次运行这段代码时,我都会获得与此查询匹配的不同文档集:"只有您可以防止森林火灾".差别很明显,似乎并不匹配.

Doc2Vec不适合查询和信息提取吗？还是有bug？

Answer 1

查看代码,infer_vector您使用的算法部分是非确定性的.单词向量的初始化是确定性的 - 参见代码seeded_vector,但是当我们进一步观察时,即单词的随机采样,负采样(每次迭代仅更新单词向量的样本)可能导致非确定性输出(感谢@gojomo).

    def seeded_vector(self, seed_string):
        """Create one 'random' vector (but deterministic by seed_string)"""
        # Note: built-in hash() may vary by Python version or even (in Py3.x) per launch
        once = random.RandomState(self.hashfxn(seed_string) & 0xffffffff)
        return (once.rand(self.vector_size) - 0.5) / self.vector_size