मुझे gensim के Doc2Vec फ़ंक्शन में "आकार" पैरामीटर की व्याख्या कैसे करनी चाहिए?

Question

मैं एक दस्तावेज़ को वेक्टर में बदलने के लिए पाइथन में gensim का Doc2Vec फ़ंक्शन का उपयोग कर रहा हूं।

उपयोग

model = Doc2Vec(documents, size=100, window=8, min_count=5, workers=4)

का एक उदाहरण मैं size पैरामीटर विवेचना कैसे करूं। मुझे पता है कि अगर मैंने size = 100 सेट किया है, तो आउटपुट वेक्टर की लंबाई 100 होगी, लेकिन इसका क्या अर्थ है? उदाहरण के लिए, यदि मैं size से 200 बढ़ाता हूं, तो क्या अंतर है?

Answer 1

अंतर यह विवरण है कि मॉडल कैप्चर कर सकता है। आम तौर पर, आप Word2Vec जितना अधिक आयाम देते हैं, उतना बेहतर मॉडल - एक निश्चित बिंदु तक।

आम तौर पर आकार 100-300 के बीच है। आपको हमेशा यह मानना ​​होगा कि अधिक आयामों का भी अर्थ है कि अधिक स्मृति की आवश्यकता है।

Answer 2

Word2Vec एक शब्द जो अनिवार्य रूप से मतलब की वितरित प्रतिनिधित्व कैप्चर करता है, कई न्यूरॉन्स एक भी अवधारणा (अवधारणा भाषण आदि के शब्द अर्थ/भावना/हिस्सा हो सकता है) पर कब्जा, और यह भी एक एकल न्यूरॉन कई अवधारणाओं के लिए योगदान ।

ये अवधारणाएं स्वचालित रूप से सीखी जाती हैं और पूर्व परिभाषित नहीं होती हैं, इसलिए आप उनके बारे में गुप्त/छुपा के रूप में सोच सकते हैं। इसके अलावा, एक ही कारण के लिए, कई अनुप्रयोगों के लिए शब्द वैक्टर का उपयोग किया जा सकता है।

आकार पैरामीटर अधिक है, इन अवधारणाओं का प्रतिनिधित्व करने के लिए आपके तंत्रिका नेटवर्क की क्षमता अधिक होगी, लेकिन इन वैक्टरों को प्रशिक्षित करने के लिए अधिक डेटा की आवश्यकता होगी (क्योंकि उन्हें यादृच्छिक रूप से प्रारंभ किया गया है)। पर्याप्त संख्या में वाक्यों/कंप्यूटिंग शक्ति की अनुपस्थिति में, size छोटे रखने के लिए बेहतर है।

Doc2Vec Word2Vec की तुलना में थोड़ा अलग तंत्रिका नेटवर्क आर्किटेक्चर का पालन करता है, लेकिन size का अर्थ समान है।