我创建了一些文档嵌入，然后在文本分类任务中进一步使用。重新访问我的代码后，我不确定用于训练文档嵌入的工作流程。

目前，我正在根据训练时可用的完整语料库创建文档嵌入。训练完成后，我通过查看模型是否在文档嵌入之间创建有用的相似性来评估模型。这些嵌入随后在机器学习模型中使用，嵌入将被拆分为训练集、测试集和验证集。

现在我的问题是：拆分数据的正确时间在哪里？我应该在创建文档嵌入之前这样做以防止数据泄漏吗？我使用了上述方法，因为我将文档嵌入的创建视为预处理步骤，因此计算机可以处理文本数据。但是，经过一番思考后，我认为这是错误的方法。我想听听更有经验的 NLP 从业者如何处理这项任务。对不起这个非常基本的问题。

谢谢。