如何使用 doc2vec 嵌入作为神经网络的输入答案

【问题标题】：How to use doc2vec embeddings as an input to a neural network如何使用 doc2vec 嵌入作为神经网络的输入
【发布时间】：2018-12-14 01:55:27
【问题描述】：

作为项目的一部分，我正在尝试慢慢开始使用 Twitter 推荐系统，这需要我使用某种形式的深度学习。我的目标是根据带有未标记数据的推文的主题内容推荐其他推文。

我已经对我的数据进行了预处理，并在 doc2vec 中训练了一些模型变体，以获得词嵌入和文档嵌入。但我的问题是，我对从这里去哪里感到有些迷茫。我读过 doc2vec 可以用作更深层神经网络的输入，用于训练，例如 LSTM 甚至 CNN。

谁能帮我理解这些文档嵌入（和词嵌入，我在 DM 模式下训练模型）是如何用作输入的，在这种情况下神经网络的目的是什么，是为了聚类吗？我知道这个问题有点开放，但我对这一切都很陌生，任何帮助将不胜感激。

【问题讨论】：

【解决方案1】：

如果您为每个文档训练了一个d 维 doc2vec，它将成为该特定推文的输入向量。如果您有n 个文档，它将成为n*d 维矩阵。现在，这个矩阵可以提供给神经网络。 LSTM 和 CNN 模型都用于监督学习问题（您有标记数据的地方）。

如果您没有标记数据，请进行无监督学习。聚类就在这之下！您可以运行不同的聚类算法并以此为基础进行推荐。

【讨论】：