句子或文档如何转换为vector？
我们有将单词转换成vector的模型（例如word2vec模型）。 是否存在将句子/文档转换成vector的类似模型，或许是使用为单个词学习的vector？
1）跳过克法： 这里是纸张和使用它的工具， google word2vec
2）使用LSTM-RNN形成句子的语义表示。
3） 句子和文件的表示 。 段落vector在本文中介绍。 它基本上是一个无监督的algorithm，可以从不同长度的文本片段（如句子，段落和文档）中学习固定长度的特征表示。
4）虽然本文不形成句子/段向量，但它足够简单。 可以插入单个单词向量（ 手套 单词向量被发现给出最好的performance），然后可以形成整个句子/段落的向量表示。
5）使用CNN来汇总文件。
这一切都取决于：
- 你正在使用的vector模型
- 这个模型的目的是什么？
- 你的创造力将单词向量组合成一个文档向量
如果您使用Word2Vec生成模型，则可以尝试：
- Doc2Vec ： https ： //radimrehurek.com/gensim/models/doc2vec.html
- Wiki2Vec ： https ： //github.com/idio/wiki2vec
或者你可以做一些人做的事情，即总结文档中的所有内容词，并除以内容词，例如https://github.com/alvations/oque/blob/master/o.py#L13 （注意：行17-18是降低噪音的手段）：
def sent_vectorizer(sent, model): sent_vec = np.zeros(400) numw = 0 for w in sent: try: sent_vec = np.add(sent_vec, model[w]) numw+=1 except: pass return sent_vec / np.sqrt(sent_vec.dot(sent_vec)) 有很多方法可以回答这个问题。 答案取决于你对短语和句子的解释。
这些为每个单词提供向量表示的分布式模型（例如word2vec只能显示一个单词如何在基于窗口的上下文中与其他单词相关联。 基于对上下文词关系的这种解释，可以将一个句子中所有词的平均向量作为该句子的向量表示。 例如，在这句话中：
素食主义者吃蔬菜。
我们可以把归一化的vector作为vector表示：
问题在于句子的构成性质。 如果如上所述取平均单词向量，则这两个句子具有相同的向量表示：
蔬菜吃素食者。
通过语料处理学习树结构，分布式研究有很多。 例如： parsing与组成vector文法 。 这个video也解释了这个方法。
我想再次强调解释。 这些语句向量在你的应用程序中可能有其自己的含义。 例如，在斯坦福大学的这个项目的情感分析中，他们所追求的意思是一个句子的正面/负面情绪。 即使你find了一个完美的句子向量表示，如果你不能判断真实的条件（David Lewis“General Semantics”，1970），哲学上的争论就是这些句子不是真正意义上的句子。 这就是为什么有一些专注于计算机视觉的作品（ 本文或本文 ）。 我的观点是，它可以完全取决于你的应用和向量的解释。
如果你有一个特定的事情你想要做的一个解决scheme，略低于现成的，但可能难以击败的准确性：
build立一个RNN（使用LSTM或GRU存储单元， 在这里比较 ），并优化你试图完成的实际任务的错误function。 你喂它你的句子，并训练它产生你想要的输出。 被喂食你的句子后，networking的激活是句子的表示（尽pipe你可能只关心networking输出）。
您可以将该句子表示为一个热门编码字符序列，一个热门编码字词序列或一个字向量序列（例如GloVe或word2vec ）。 如果你使用单词向量，你可以反向传播单词向量，更新自己的权重，所以你也可以为你正在做的任务调整专门的单词向量。
