python - 如何在 gensim 中加载预训练模型并用它训练 doc2vec？

Question

我正在准备一个已经训练好的 word2vec 模型。我已将其序列化为 CSV 文件:

word,  v0,     v1,     ..., vN
house, 0.1234, 0.4567, ..., 0.3461
car,   0.456,  0.677,  ..., 0.3461

我想知道的是如何在 gensim 中加载该词向量模型并使用它来训练段落或 doc2vec 模型。

这个 Doc2Vec tutorial 说我可以以“# C 文本格式”的形式加载模型，但我不知道这实际上意味着什么。首先但更重要的是“C 文本格式”是什么:

• 如何加载我的 word2vec 模型并将其用于 doc2vec 训练？

如何从我的 word2vec 模型构建词汇表？

Answer 1

Doc2Vec 不需要词向量作为输入:它将创建自己训练期间所需的任何词向量。 (有些模式，例如纯 DBOW – dm=0, dbow_words=0 – 根本不使用或训练词向量。)

用词向量播种 Doc2Vec 模型可能会有所帮助，也可能会有害；没有太多理论或已发表的结果可以提供指导。 Word2Vec 有一个实验方法，intersect_word2vec_format()，可以将 word2vec-c-format 向量合并到具有现有词汇的模型中，但您需要查看源代码才能真正理解其假设:

https://github.com/RaRe-Technologies/gensim/blob/51753b95415bbc344ea6af671818277464905ea2/gensim/models/word2vec.py#L1140