J'utilise le modèle de DocosVec pour générer mes vecteurs de caractéristiques. Voici le code que je utilise (je l'ai expliqué ce que mon problème est dans le code):Le modèle Gensim Doc2Vec ne génère qu'un nombre limité de vecteurs
cores = multiprocessing.cpu_count()
# creating a list of tagged documents
training_docs = []
# all_docs: a list of 53 strings which are my documents and are very long (not just a couple of sentences)
for index, doc in enumerate(all_docs):
# 'doc' is in unicode format and I have already preprocessed it
training_docs.append(TaggedDocument(doc.split(), str(index+1)))
# at this point, I have 53 strings in my 'training_docs' list
model = Doc2Vec(training_docs, size=400, window=8, min_count=1, workers=cores)
# now that I print the vectors, I only have 10 vectors while I should have 53 vectors for the 53 documents that I have in my training_docs list.
print(len(model.docvecs))
# output: 10
Je me demande si je fais une erreur ou s'il y a un autre paramètre que je mis?
MISE À JOUR: Je joue avec les balises paramètre dans TaggedDocument, et quand je l'ai changé à un mélange de texte et des chiffres comme: Doc1, Doc2, ... Je vois un nombre différent pour le nombre de vecteurs générés, mais je n'ai toujours pas le même nombre de vecteurs de caractéristiques que prévu.