我可以使用 doc2vec 对大文档进行分类（500-2000 字，20000 总文档，三类分类）吗？

是的。这个数量的文件被认为是中小型的。值得注意的是，最初的Doc2Vec 论文对 75K 文档进行了实验。

文档足够大并且包含许多常用词，这是一个问题吗？

不，没关系。考虑一个事实，即常见的和独特的词都随着文档的大小而增加，而独特的词才是最重要的。也就是说，较大的文本更容易区分。

我可以将我的数据与维基百科文章一起训练（每篇文章使用唯一标签）以获得更准确的计算词嵌入，还是不能产生积极影响？

这取决于并且值得一试。如果 Wikipedia 文档在格式和内容上与您的文档接近，那么它们肯定会有所帮助。在 Doc2Vec 论文中，作者使用 25K 标记文档（带有正面和负面标签的 IMDb 评论）和 50K 未标记文档进行训练。

此外，这是一个很好的使用 doc2vec 的教程。它为 100K 文档报告 1-2 小时。

您可以在 20K 文档（500-2000 字）上使用 doc2vec。但是，请确保在开始之前对文本文档进行了适当的预处理。它可能需要大量的参数调整和迭代来训练模型。假设您有足够的计算资源，我认为尝试没有任何问题。