Doc2Vec的实际应用是什么？

Question

我是Doc2Vec的新手。据我所知，Doc2Vec根据它们的文字上下文对类似的文档进行分组。

我有一套报纸文件，我想找出报纸的主要主题是什么(一个组的“政治”新闻文件，另一个组的“体育”新闻文件等等)。根据它们的内容。因此，我有兴趣知道；

1. Doc2Vec的哪一种变体更适合这种情况(d头，dm)？
2. Doc2Vec算法的实际应用是什么？

Answer 1

我将首先回答您的第二个问题，doc2vec和word2vec都主要是捕获单词和文档语义的文本数据的良好表示。因此，每当您处理文本数据时，您都需要为它提供一个表示，这就是word2vec和doc2vec提供的。现在想想文本数据上的任何实际任务，比如文档相似性，使用doc2vec可以很容易地找到两个文档之间的余弦相似性，现在可以想到它的实际应用程序，在堆栈溢出之类的站点上查找重复的问题，为问答模型排序候选答案，以及文本分类的功能，比如情感分析( word2vec在这里工作不太好，好的和坏的上下文非常相似，所以它很难区分正面和负面的评论)。因此，这些只是表示，您可以将它们应用于任何NLP和大量IR任务。

要回答第一个问题，模型不仅依赖于任务，而且依赖于数据。因此，您可以阅读Mikolov的论文，了解每个模型是如何用于基线任务的，但一个好主意是对数据进行两种模型的尝试，并额外评估哪种算法的性能更好。