Я новичок и не являюсь носителем английского языка, поэтому у меня возникли проблемы с пониманием word2vec и doc2vec Gensim.
Я думаю, что оба дают мне несколько слов, наиболее похожих на слово запроса, которое я запрашиваю, most_similar() (после обучения).
Как узнать, в каком случае я должен использовать word2vec или doc2vec?
Кто-нибудь может объяснить разницу вкратце, пожалуйста?
Спасибо.
В word2vec вы тренируетесь находить векторы слов, а затем запускаете запросы на сходство между словами. В doc2vec вы помечаете свой текст, а также получаете векторы тегов. Например, у вас есть разные документы от разных авторов, и вы используете авторов в качестве тегов в документах. Затем, после обучения doc2vec, вы можете использовать ту же векторную арифметику для выполнения запросов на сходство по тегам авторов: т. е. кто из авторов больше всего похож на AUTHOR_X? Если два автора вообще используют одни и те же слова, то их вектор будет ближе. AUTHOR_X - это не реальное слово, которое является частью вашего корпуса, а только то, что вы определяете. Поэтому вам не нужно иметь его или вручную вставлять в текст. Gensim позволяет вам обучать doc2vec с векторами слов или без них (т. е. если вас интересует только сходство тегов между собой).
Вот хорошая презентация об основах word2vec и о том, как они используют doc2vec инновационным способом для продукта. рекомендации (соответствующая запись в блоге).
Если вы расскажете мне о том, какую проблему вы пытаетесь решить, может быть, я смогу предложить, какой метод будет более подходящим.
