我已经使用 Doc2vecc 训练了一组文档。

https://github.com/mchen24/iclr2017

我正在尝试为未见的文档生成嵌入向量。我已经按照 go.sh 中提到的方法训练了这些文档。

"""time ./doc2vecc -train ./aclImdb/alldata-shuf.txt -word wordvectors.txt -output docvectors.txt -cbow 1 -size 100 -window 10 - negative 5 -hs 0 -sample 0 -threads 4 -binary 0 -iter 20 -min-count 10 -test ./aclImdb/alldata.txt -sentence-sample 0.1 -save-vocab alldata.vocab"""

我得到了训练集的 docvectors.txt 和 wordvectors.txt。现在，我想知道如何使用相同的模型生成未见测试文档的向量，而无需重新训练。

回答：

据我所知，该 doc2vecc.c 代码（以及论文）的作者（https://github.com/mchen24）只是对一些示例“段落向量”代码进行了最小的修改，而这些代码本身是对原始 Google/Mikolov 的 word2vec.c（https://github.com/tmikolov/word2vec/blob/master/word2vec.c）的最小修改。

无论是“段落向量”的修改还是后续的 doc2vecc 修改，似乎都没有包含推断新文档向量的功能。

因为这些是无监督算法，对于某些目的来说，可能适合在同一批次的训练中，为训练和测试文本计算用于下游分类任务的文档向量。（您的最终目标实际上可能有未标记的示例来帮助学习文档向量化，即使您的分类器应该在一些已知标签文本的子集上进行训练和评估。）