假设我有很多图片。假设有 10 张图片，每张由 50 人注释。 所以图片 1 可能是“海滩、度假、放松、沙滩、阳光……”我现在用特定领域的内容训练 word2vec。我有每个单词的向量并且可以表示它们。但我现在想要的是创建一个代表每张图片的最终向量。所以一个向量代表 50 个注释（海滩、度假、放松、沙滩、阳光……）
假设每个向量用 100 个维度表示 - 我是否只是添加所有 50 个向量的第一个维度（100 个维度），而不是所有 50 个向量的第二个维度......等等。
我非常感谢任何可以帮助我的 cmets！
我试过这个，但我不确定这是否是正确的方法。 我也尝试过 doc2vec，但我想这是有问题的，因为注释的词序无关——但与 doc2vec 相关。???
【问题讨论】：
标签： gensim
一些想法：
注释列表与自然语言叙述文本完全不同——无论是在标记的相对频率上，还是在相邻标记的重要性方面。因此，您可能想尝试更广泛的训练参数。例如，使用一个巨大的window（远大于你的每个文本）基本上可以否定注释的（可能是任意的）顺序，将每个单词放在其他单词的上下文中。 （这会增加训练时间，但可能会在其他方面有所帮助。）另外，查看新可调的 ns_exponent 参数 - gensim docs 引用的论文表明与默认值非常不同的值可能有助于某些推荐上下文.
也就是说，将多个向量组合为一个的最简单方法是将它们全部平均。无论这是否适合您的目的，您都必须进行测试。 （它不可避免地会丢失大量独立向量的信息，但如果你的建模的其他方面足够强大——足够的训练数据、足够的维度——真正重要的共享方面可能会保留在摘要向量中。）
（您可以在另一个recent answer 中看到一些用于平均词向量的代码。）
你也可以试试Doc2Vec。它不比Word2Vec 更依赖于排序——某些模式使用window 大小的上下文，其中相邻单词相互影响。 （但其他模式不会，或者如上所述，超大的window 基本上可以使相邻距离的相关性降低）。
【讨论】：