通过 github 中的这个 Gensim 示例，https://github.com/RaRe-Technologies/gensim/blob/develop/docs/notebooks/doc2vec-wikipedia.ipynb 它在末尾提供了示例来查找短语或关键字的相似之处，例如“lady gaga”或“机器学习”。但是，我希望在纯文本文件中找到与实际文档的相似性，可以这样做吗？我该怎么做？假设文本文件以 txt 格式位于我的本地笔记本电脑上。
【问题讨论】：
wiki = WikiCorpus("enwiki-latest-pages-articles.xml.bz2") 更改为您的文本文件路径！
将查询文档标记为与训练数据相同。将这些标记传递给Doc2Vec 模型的infer_vector() 方法以获取查询文档的向量。将该向量传递给most_similar()，以获得与该向量相似的已知文档的排名列表。
有在单元格 10 中以这种方式使用 infer_vector() 的示例，并在 gensim 随附的另一个演示笔记本中转发：
https://github.com/RaRe-Technologies/gensim/blob/develop/docs/notebooks/doc2vec-lee.ipynb
【讨论】：
.split() 在空格上，那可能就足够了。但是如果将其他大小写扁平化、单词删除等应用于训练数据，那么也将其应用于查询文档。）跨度>
doc2vec-wikipedia.ipynb 笔记本专门构建了模型，使用gensim 中的WikiCorpus 类，请查看该类中的preprocess_text() 方法，它可能会你需要什么：radimrehurek.com/gensim/corpora/…
gensim 版本中的其他重构可能破坏了笔记本的这一行。除非您需要优化 min_count 以达到特定的词汇量，否则您可以跳过这些单元格 [5]-[6]。即使您确实需要特定的幸存词汇量，也可以使用一个新的max_final_vocab 参数来代替。