使用预训练词向量为长文档生成嵌入

Question

我有一组来自维基百科语料库的预训练词嵌入。我还有维基百科文章页面的 300 维嵌入。我希望通过针对这些预训练嵌入为任何新查询（长文档）运行简单的余弦相似度算法来构建相似度引擎。为此，我想使用预训练的词嵌入将任何新输入文档表示为 300d 向量，然后对语料库运行余弦相似度。如何实现？

Answer 1

您可以使用 doc2vec 模型将文档表示为向量。它是 word2vec 方法的概括。