Пытаюсь понять реализацию PV-DM с усреднением в gensim. В функции train_document_dm
в doc2vec.py
возвращаемое значение ("ошибки") train_cbow_pair
в случае усреднения (cbow_mean=1
) не делится на количество входных векторов (count
). Согласно этому пояснению должно быть разделение по количеству документов в случае усреднения входных векторов: Объяснение обучения параметрам word2vec, уравнение (23). Вот код от train_document_dm
:
l1 = np_sum(word_vectors[word2_indexes], axis=0)+np_sum(doctag_vectors[doctag_indexes], axis=0)
count = len(word2_indexes) + len(doctag_indexes)
if model.cbow_mean and count > 1:
l1 /= count
neu1e = train_cbow_pair(model, word, word2_indexes, l1, alpha,
learn_vectors=False, learn_hidden=learn_hidden)
if not model.cbow_mean and count > 1:
neu1e /= count
if learn_doctags:
for i in doctag_indexes:
doctag_vectors[i] += neu1e * doctag_locks[i]
if learn_words:
for i in word2_indexes:
word_vectors[i] += neu1e * word_locks[i]