我想知道如何在 gensim 中使用 doc2vec 标记（标记）句子/段落/文档 - 从实际的角度来看。
您是否需要让每个句子/段落/文档都有自己独特的标签（例如“Sent_123”）？如果您想说“哪些单词或句子与标记为“Sent_123”的单个特定句子最相似，这似乎很有用。
您可以根据内容重复标签吗？例如，如果每个句子/段落/文档都与某个产品项目有关（并且给定产品项目有多个句子/段落/文档），您是否可以根据项目标记句子，然后计算单词或单词之间的相似度句子和这个标签（我猜这就像所有与产品相关的句子的平均值）？
两者都是可能的。您可以给每个文档一个唯一的 ID（例如顺序序列号）作为一个 doctag，或者一个共享字符串 doctag 来表示它的其他内容，或者同时提供两者。
TaggedDocument 构造函数采用标签列表。（如果您碰巧将自己限制为从 0 升序的纯整数，则 Doc2Vec 模型将使用这些作为其支持数组的直接索引，并且您将节省大量内存，否则这些内存将用于字符串 -> 索引查找，这对于大型数据集可能很重要。但是您可以使用字符串文档标签，甚至可以使用 int 和字符串文档标签的混合。）
您必须尝试最适合您需求的方法。
对于某些分类任务，有时比我预期的效果更好的方法是完全跳过每个文本的 ID，只使用已知类示例训练 Doc2Vec 模型，并将所需的类作为 doctags。然后，您将获得仅用于类 doctags 的“文档向量”——不是每个文档——一个可能要小得多的模型。稍后推断新文本的向量会导致向量有意义地接近相关的类文档向量。
doc2vec模型从word2vec.
word2vec不需要标注单词，因为每个单词在词汇表中都有自己的语义。但在 的情况下doc2vec，需要指定有多少单词或句子传达语义，以便算法可以将其识别为单个实体。出于这个原因，我们根据所传达的语义水平来指定句子或段落labels。tags
如果我们为一个段落中的多个句子指定一个标签，则意味着该段落中的所有句子都需要传达含义。另一方面，如果我们为一个段落中的所有句子指定变量标签，这意味着每个句子都传达了一个语义含义，它们之间可能有相似性，也可能没有相似性。
简单来说，alabel表示某事物的语义。