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，无论何时处理文本数据，都需要对其进行表示，这就是 word2vec 和 doc2vec 提供的。现在想想文本数据上的任何现实世界任务，比如文档相似度，使用 doc2vec 你可以很容易地找到两个文档之间的余弦相似度，现在想想现实世界的应用程序，在一个站点上找到重复的问题，比如堆栈溢出，对候选答案进行排名一个问答模型，文本分类的特征，如情感分析（word2vec 在这里不能很好地工作，好的和坏的上下文非常相似，所以它很难区分正面和负面评论）。所以这些只是表象，
要回答您的第一个问题，模型不仅依赖于任务，还依赖于数据。因此，您可以阅读 Mikolov 的论文，了解每个模型如何用于基线任务，但一个好主意是在您的数据上尝试这两个模型，并从外部评估哪种算法性能更好。