具有初始值的Gensim单词嵌入训练

我认为最简单的解决办法是 拯救 在第一个数据集上训练后的嵌入,然后 负载 训练后的模型,并继续训练第二个数据集。这样,您就不应该期望嵌入偏离保存状态太多(除非您的数据集非常不同)。

从所有文档中创建单个词汇也是有意义的:特定文档中不存在的词汇将得到一些随机表示,但它仍然是一个有效的word2vec模型。

示例来自 documentation :

>>> model = Word2Vec(sentences, size=100, window=5, min_count=5, workers=4)
>>> model.save(fname)
>>> model = Word2Vec.load(fname)  # continue training with the loaded model