同时训练Doc2Vec与Word2Vec是否更利于概念向量相似度匹配？

你的思路抓准了关键：如果目标是让概念相似的向量（无论属于文档还是词汇）都在语义空间中彼此靠近，那么同时训练词向量和文档向量确实是更优的选择，甚至这也是Doc2Vec部分核心模式的设计初衷。

先纠正一个常见的认知偏差：Gensim的Doc2Vec并非所有实现都是“先训练词向量，再固定词向量训文档向量”。它的两种核心模式里，PV-DM（Distributed Memory）模式就是将文档向量当作一个特殊的“虚拟词”，和上下文窗口中的真实词汇向量一起参与训练——也就是说，词向量和文档向量是在同一个优化目标下同步更新的，完全符合你想要的效果。

为什么同步训练更合适？举你提到的Godzilla例子：

• 当训练一篇关于Godzilla的文档时，文档向量会和“Godzilla”“怪兽”“科幻电影”这些上下文词汇的向量一起被调整，让它们在空间中更接近；
• 同时，其他关于Godzilla的文档在训练时，也会共享这个语义空间，最终所有和Godzilla相关的文档、词汇都会聚拢在同一个语义区域；
• 如果先固定词向量再训文档向量，文档向量只能基于已有的词向量空间去适配，没法反过来让词向量根据文档的语义做微调，这就可能导致文档和相关词汇的向量对齐效果打折扣。

如果用Gensim实现的话，你可以直接选择dm=1启用PV-DM模式，这会默认同步更新词向量和文档向量。另外，如果你偏好PV-DBOW（Distributed Bag of Words）模式，也可以设置dbow_words=1，让它在训练文档向量的同时也更新词向量，同样能实现二者的语义对齐。

总结下来：你的想法完全正确，同步训练词向量和文档向量，能让文档、词汇在同一个语义空间中更好地聚类，精准实现你想要的“概念相似则向量相近”的目标。

内容的提问来源于stack exchange，提问作者Markus RH