如何遍历Doc2Vec模型并导出测试集全部176个向量？

问题核心是model.infer_vector()仅支持单文档输入，直接传入列表无法批量生成向量，以下是两种高效的批量处理方案：

方案一：列表推导式快速生成所有向量 #

用列表推导式遍历测试集的每个文档，一次性生成全部176个向量：

from gensim.models.doc2vec import Doc2Vec

model = Doc2Vec.load("d2v.model")
# 提取测试集所有文档的向量
test_vectors = [model.infer_vector(doc) for doc in clean_corpus[404:]]
# 验证向量数量是否符合预期
print(f"生成的测试集向量总数：{len(test_vectors)}")

方案二：循环遍历并持久化保存 #

如果需要直接将向量保存到文件（方便后续复用），可以用循环结合numpy或文件操作实现：

import numpy as np
from gensim.models.doc2vec import Doc2Vec

model = Doc2Vec.load("d2v.model")
test_corpus = clean_corpus[404:]
test_vectors = []

# 遍历测试集生成向量
for doc in test_corpus:
    # 可根据需求调整epochs参数提升向量稳定性，默认epochs=5
    vec = model.infer_vector(doc, epochs=20)
    test_vectors.append(vec)

# 保存为numpy数组（推荐，便于后续机器学习任务直接调用）
np.save("test_vectors.npy", test_vectors)

# 或保存为文本格式（方便查看）
with open("test_vectors.txt", "w", encoding="utf-8") as f:
    for vec in test_vectors:
        f.write(" ".join(map(str, vec)) + "\n")

注意事项 #

• 确保测试集文档的预处理逻辑（分词、清洗、停用词过滤等）和训练集完全一致，否则会严重影响向量质量。
• infer_vector()的alpha（学习率）和epochs（迭代次数）可根据实际情况调整，迭代次数越高，向量生成越稳定，但耗时也会增加。

内容的提问来源于stack exchange，提问作者user472543984