问题描述
我是一名学生（计算机科学）。这是我在stackoverflow中的第一个问题。我真的很感谢您的帮助！ （我指的是一个名为“ word2vec”的软件包，这就是为什么标签/标题有点让人难以选择的原因。）
在doc2vec函数（此处为https://cran.r-project.org/web/packages/word2vec/word2vec.pdf）的描述中，它表示：
文档向量是单词向量的总和，单词向量是通过向量空间的大小标准化的文档的一部分。该标度是向量的平均内积的平方根 元素。
据我了解，doc2vec为每个段落增加了一个附加向量。在我看来，这似乎与上面的描述有所不同。
我对doc2vec的理解是否正确或足够接近？ 并且：引用的实现是否像doc2vec-algorithm一样工作？
解决方法
许多人使用“ Doc2Vec”来指代名为Distributed Representation of Sentences and Documents的论文（由Le＆Mikolov撰写）引入的类似于word2vec的算法。该论文将算法称为“段落向量”，而不使用名称“ Doc2Vec”，并且确实为每个文档引入了一个额外的向量，就像您描述的那样。 （也就是说，文档向量的训练有点像“浮动”伪单词向量，对于该文档中的每次训练预测，该向量都有助于输入“上下文”。）
我对R或R word2vec包不熟悉，但是从您转发的文档来看，它听起来不听起来像doc2vec函数实现了“段落”其他人称为“ Doc2Vec”的“矢量”算法。特别是：
-
“段落向量”文档向量不是简单的单词向量和
-
“段落向量”文档向量由单独的类似于word2vec的训练过程创建，该训练过程与该训练同时共同创建任何必要的词向量。具体来说：该过程通常不会不将其他一些预先训练的单词向量用作输入，也不会创建单词向量作为第一步。 （此外，“ Paragraph Vector”文件的PV-DBOW选项根本不会创建传统的字向量。）
函数名称似乎不正确，如果您需要使用实际的“段落矢量”算法，则需要在其他地方查找。