Java 如何组合两个预先培训过的Word2Vec模型？

我成功地遵循了关于Word2Vec的deeplearning4j.org教程，因此我能够加载已经训练过的模型或基于一些原始文本训练新模型（更具体地说，我使用的是

GoogleNews-vectors-negative300

和

Emoji2Vec

预先训练过的模型）

然而，出于以下原因，我想结合上述两种模式：有一个句子（例如，Instagram或Twitter的评论，其中包含表情符号），我想识别句子中的表情符号，然后将其映射到与之相关的单词。为了做到这一点，我计划对句子中的所有单词进行迭代，并计算相似度（表情符号和单词在向量空间中的位置有多近）

我知道如何提升现有的模型。然而，有人提到，在这种情况下不会添加新词，并且只会根据新的文本语料库更新现有词的权重

---

我将非常感谢任何对我的问题的帮助或想法。提前谢谢

在我最熟悉的word2vec库中，将从不同小体训练的两个模型结合起来并不是一个简单、受支持的操作

特别是，即使相同的单词出现在两个小体中，甚至在相似的上下文中，该算法在初始化和训练期间使用的随机化，以及多线程训练注入的额外随机化，意味着单词可能出现在完全不同的位置。只有相对于其他单词的相对距离/方向应该大致相似，而不是具体的坐标/旋转

---

因此，合并两个模型需要将一个模型的坐标转换为另一个模型。这本身通常涉及从一个空间到另一个空间的学习投影，然后将独特的单词从源空间移动到幸存空间。我不知道DL4J是否有用于此的内置例程；Python

gensim

库在最新版本中有一个

TranslationMatrix

示例类，它可以做到这一点，因为语言到语言的翻译使用了单词向量

欢迎加入gitter上的DL4J开发支持社区：谢谢！我加入了Gitter的社区，然而，还没有人能回答我的问题。也许我需要重组它，有道理。谢谢取决于向量已经有多大。如果它们仍然足够兼容，就可以很容易地从两个空间中为每个单词连接向量，并基于连接向量执行相似性或操作，即，如果模型1的单词嵌入大小为300，而模型2的嵌入大小为200，然后，组合模型将只是每个字的串联，每个字的嵌入大小为300+200。