Pour le premier point, vous pouvez le faire dans gensim 0.11.1
from gensim.models import Doc2Vec
from gensim.models.doc2vec import LabeledSentence
documents = []
documents.append(LabeledSentence(words=[u'some', u'words', u'here'], labels=[u'SENT_1']))
documents.append(LabeledSentence(words=[u'some', u'people', u'words', u'like'], labels=[u'SENT_2']))
documents.append(LabeledSentence(words=[u'people', u'like', u'words'], labels=[u'SENT_3']))
model = Doc2Vec(size=10, window=8, min_count=0, workers=4)
model.build_vocab(documents)
model.train(documents)
print(model[u'SENT_3'])
Ici SENT_3 est une phrase connue.
Pour le deuxième point, vous ne pouvez PAS le faire dans le gensim 0.11.1, vous devez le mettre à jour à 0.12.4. Cette dernière version a la fonction infer_vector qui peut générer un vecteur pour un document invisible.
documents = []
documents.append(LabeledSentence([u'some', u'words', u'here'], [u'SENT_1']))
documents.append(LabeledSentence([u'some', u'people', u'words', u'like'], [u'SENT_2']))
documents.append(LabeledSentence([u'people', u'like', u'words'], [u'SENT_3']))
model = Doc2Vec(size=10, window=8, min_count=0, workers=4)
model.build_vocab(documents)
model.train(documents)
print(model.docvecs[u'SENT_3']) # generate a vector for a known sentence
print(model.infer_vector([u'people', u'like', u'words'])) # generate a vector for an unseen sentence