我要去看这篇论文http://cs.stanford.edu/~quocle/paragraph_vector.pdf
它说明了这一点
“对图矢量和单词向量进行平均或连接以预测上下文中的下一个单词 . 在实验中，我们使用连接作为组合向量的方法 . ”
连接或平均如何工作？
示例（如果第1段包含word1和word2）：
word1 vector =[0.1,0.2,0.3]
word2 vector =[0.4,0.5,0.6]
concat method
does paragraph vector = [0.1+0.4,0.2+0.5,0.3+0.6] ?
Average method
does paragraph vector = [(0.1+0.4)/2,(0.2+0.5)/2,(0.3+0.6)/2] ?
也是从这张图片：
据说：
段落标记可以被认为是另一个单词 . 它充当记忆，记住当前上下文中缺少的内容 - 或段落的主题 . 出于这个原因，我们经常将此模型称为段落向量的分布式存储模型（PV-DM） .
段落标记是否等于段落向量等于 on ？
2 回答
你的平均水平是正确的 . 串联是：
[0.1,0.2,0.3,0.4,0.5,0.6].“段落标记”被映射到称为“段落向量”的向量 . 它与标记“on”不同，并且与标记“on”映射到的单词vector不同 .
一系列文本的简单（有时是有用的）向量是文本's words'向量的总和或平均值 - 但这不是'Paragraph Vectors'文章的'Paragraph Vector' .
相反，段落向量是另一个向量，与单词向量类似地训练，也可以调整以帮助进行单词预测 . 将这些矢量与单词矢量组合（或交织）以馈送预测模型 . 也就是说，平均（在DM模式下）包括PV和字向量 - 它不是从字向量组成PV .
在图中，
on是预测的目标字，在该图中由紧密相邻的单词和真实单词的完整示例_1184777_窗口组合 .